高阶邻域混合的网络表示学习方法及装置

摘要

本发明公开了一种高阶邻域混合的网络表示学习方法及装置，在原始图卷积层的基础上加入自注意力机制和级联聚集层，其中，方法包括以下步骤：运用自注意力机制将图的拉普拉斯矩阵变换成节点对图注意力矩阵，且训练权重参数学习不同的注意力系数；通过级联聚集层汇聚不同距离信息流，并将上一阶的输出用作下一阶的输入，以控制计算复杂度；确定嵌入向量输出到下游机器学习任务，或者输出分类结果。该方法可以实现真正意义上的端到端训练，有效地提高模型的训练速度，且提出的网络高低阶信息混合学习的思想具有领域可扩展性，简单易实现。