1.一种图神经网络模型的训练方法,其特征在于,所述方法包括:
2.根据权利要求1所述的图神经网络模型的训练方法,其特征在于,所述通过图神经网络模型中的生成器,基于所述真视图中的节点,生成伪视图,包括:
3.根据权利要求2所述的图神经网络模型的训练方法,其特征在于,所述方法还包括:
4.根据权利要求3所述的图神经网络模型的训练方法,其特征在于,所述基于所述边数损失,调整所述参数矩阵,包括:
5.根据权利要求4所述的图神经网络模型的训练方法,其特征在于,所述基于所述对抗损失和所述对比损失,对所述图神经网络模型进行训练,包括:
6.根据权利要求2所述的图神经网络模型的训练方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的图神经网络模型的训练方法,其特征在于,所述候选新边集合的确定过程,包括:
8.根据权利要求1所述的图神经网络模型的训练方法,其特征在于,所述通过所述图神经网络模型中的判别器,对所述伪视图进行判别,得到判别结果,包括:
9.根据权利要求8所述的图神经网络模型的训练方法,其特征在于,所述方法还包括:
10.根据权利要求1所述的图神经网络模型的训练方法,其特征在于,所述通过所述图神经网络模型中的编码器,对所述真视图和所述伪视图进行对比学习,得到对比损失,包括:
11.根据权利要求10所述的图神经网络模型的训练方法,其特征在于,所述通过所述图神经网络模型中的编码器,对所述真视图中的多个节点进行特征提取,得到所述真视图的节点特征,包括:
12.根据权利要求1所述的图神经网络模型的训练方法,其特征在于,所述基于所述对抗损失和所述对比损失,对所述图神经网络模型进行训练,包括:
13.一种图神经网络模型的训练装置,其特征在于,所述装置包括:
14.一种电子设备,其特征在于,所述电子设备包括:
15.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至12任一项所述的图神经网络模型的训练方法。