一种基于图嵌入式课程学习的负采样增强方法

摘要

本发明提出了一种基于图嵌入式课程学习的负采样增强方法，涉及负采样技术领域，包括：构建图嵌入模型并采集课程学习样本作为正样本，然后对其进行负采样得到负样本；初始化得到包含以初始嵌入向量表示的正样本和负样本的训练集；对图嵌入模型进行训练，并根据当前训练轮次计算得到本轮损失计算比例；将本轮损失计算比例和样本中的最大损失计算比例进行对比并获取两者之间的较小值为最终计算比例；根据最终计算比例获取损失阈值，对不大于损失阈值的样本进行损失计算获取计算结果；重复步骤迭代直到达到收敛条件，根据计算结果输出图嵌入表示；本发明通过采用课程学习的方法，缓解了负采样固有的“伪负样本”的影响，并能提升了节点嵌入的质量。