1.一种基于冗余减少和集群分配的图对比学习方法,其特征在于,包括以下步骤:S101.获取graph数据集;
S201.一个graph数据通过数据增强生成两个不同的视图,通过编码器生成两个视图的嵌入表征;
S301.利用两个视图的嵌入表征生成交叉视图的相似度矩阵,其中相似度矩阵的每个值为两个视图中节点的相似性,通过相似度矩阵中的对角线元素趋向于1,非对角线元素趋向于0,从而减少不相关的节点之间冗余性,强制相同节点趋于一致性;
S401.通过节点聚类,找到各个集群的质心,根据质心矩阵对各个节点重新赋值,再强制两个视图的新赋值相同;
S301中,交叉视图的相似度矩阵的公式如下:其中,和表示第一个视图的第i个节点和第二个视图的第j个节点,表示矩阵转置;
S301中,节点相似度计算公式如下:
;
S401中,通过节点聚类,找到各个集群的质心:其中,为视图的聚类质心矩阵,由聚类方法得到,表示视图的嵌入表征矩阵;
根据质心矩阵对各个节点重新赋值:
其中,为集群质心重新分配的节点赋值,表示矩阵转置;
其中,P为集群质心重新分配的节点赋值的软分布,为软分配函数,为温度系数;
两个视图中重新赋值的节点概率分布的差异性由下式表示:。
2.一种基于冗余减少和集群分配的图对比学习系统,其特征在于,用于实现权利要求1所述的基于冗余减少和集群分配的图对比学习方法,包括依次连接的数据获取模块、数据增强模块、冗余减少模块、集群交换赋值模块;
数据获取模块,用于获取graph数据集;
数据增强模块,用于一个graph数据通过数据增强生成两个不同的视图,通过编码器生成两个视图的嵌入表征;
冗余减少模块,用于利用两个视图的嵌入表征生成交叉视图的相似度矩阵,其中相似度矩阵的每个值为两个视图中节点的相似性,通过相似度矩阵中的对角线元素趋向于1,非对角线元素趋向于0,从而减少不相关的节点之间冗余性,强制相同节点趋于一致性;
集群交换赋值模块,用于通过节点聚类,找到各个集群的质心,根据质心矩阵对各个节点重新赋值,再强制两个视图的新赋值相同。