一种基于大语言模型和耦合增强的文本属性图对比学习方法

本发明提供一种基于大语言模型和耦合增强的文本属性图对比学习方法，属于计算机图表示学习技术领域。本方法包括：通过深度游走获得文本的节点嵌入表示，并通过余弦相似度函数度量节点间结构相似性，构建原始文本属性图；基于节点间的连接关系和相似性度量，为每个节点构建四个互不重叠的候选集合，包括强关联集、弱关联集、可疑关联集和潜在关联集；将可疑关联集和潜在关联集输入大语言模型进行推理输出相关点集和无关点集；将有关点集和强关联集作为正样本，将弱关联集和无关点集作为负样本进行对比学习。本方法通过大语言模型评估语义相关性，充分挖掘文本属性中的深层语义信息，实现噪声连接的过滤与潜在语义关系的补全，提升了语义建模能力。