基于迭代深度图学习的局部特征增强的网络对齐方法

本发明公开了基于迭代深度图学习的局部特征增强的网络对齐方法，包括以下步骤：将原始节点特征或经过计算的节点嵌入特征作为两个输入向量，并进行相似性度量学习；将学习后的图与初始图通过超参数加权结合，得到最终学习的图；使用第一层图神经网络将原始节点特征映射到中间嵌入空间，使用第二层图神经网络将中间节点嵌入映射到输出空间；根据迭代深度图学习框架，通过混合损失函数来学习图结构和GNN参数；在所有迭代之后，整体损失通过所有先前的迭代反向传播以更新模型参数；输出新的网络对齐节点对。本发明结合编码器模块和解码器模型来解决网络结构噪声和数据稀疏性，并应用自举算法产生新的对齐方式用于模型训练。