软件学报

作者：秦者云，卢宪凯，聂秀山，尹义龙

单位：秦者云，山东大学 软件学院, 山东 济南 25010111,卢宪凯，山东大学 软件学院, 山东 济南 25010102,聂秀山，山东建筑大学 计算机科学与技术学院, 山东 济南 25010103,尹义龙，山东大学 软件学院, 山东 济南 25010104

关键词：自监督图表示学习;图拓扑不平衡;结构关系建模;图结构;子图

基金：国家自然科学基金(U23A20389, 62176139, 62106128, 62176141)

研究目标是从未标记的图数据中学习健壮的图表示. 开发了一种结构关系建模 (structural relation modeling, SRM)框架, 用于自监督图表示学习, 缓解了由未标记数据和图拓扑不平衡引起的固有限制. 首先, 与大多数现有方法专注于局部结构或节点嵌入不同, 通过在统一框架内对节点、子图和整个图之间的复杂关系(即局部-全局关系和节点相关性)进行建模来捕捉图结构. 这有助于更好地理解图的拓扑结构, 并利用结构自监督信号. 其次, 引入了一种基于分区的子图采样机制, 通过小批量训练缓解了由图拓扑不平衡引起的过度聚合和拓扑衰减. 该机制确保更均匀的信息传播. 第三, 施加了一种节点正则化策略, 以提高训练的稳定性和效率, 产生更精确的结构表示. 对12个公共数据集进行的节点和图分类的广泛实验证明了所提方法的有效性和普适性.

来源：2026年第2期

《软件学报》期刊编辑部

查看软件学报杂志2026年第2期