一种基于图注意力机制的多层网络表示学习方法

摘要

本发明公开了一种基于图注意力机制的多层网络表示学习方法，步骤1、获取多层网络拓扑信息；其中，所述网络拓扑信息包括各层网络的层内邻接矩阵和跨层连接矩阵；步骤2、构建各层基于图注意力机制的网络表示学习模型；步骤3、将各层网络的层内邻接矩阵分别输入网络表示学习模型进行模型训练获得各层网络的节点表示向量；步骤4、通过网络表示学习模型的层内连接损失函数和跨层连接损失函数构建网络表示学习模型整体损失函数；步骤5、通过网络表示学习模型整体损失函数判断网络表示学习模型是否满足收敛条件；如果满足，输出各层网络最终的低维表示向量；否则返回步骤3；该方法能够处理不同类型节点，同时考虑层内连接信息和跨层连接信息的多层网络表示学习方法。