一种基于异构图Transformer的高发展潜力学术实体识别和预测方法

本发明公开了一种基于异构图Transformer的高发展潜力学术实体识别和预测方法，包括如下步骤：首先构建异构信息图，以节点表示学术网络中的多类型实体，边表示实体间关系；接着融合节点的结构嵌入与语义嵌入，生成多模态初始特征向量；再通过多层异构图Transformer层迭代聚合多跳邻居信息，动态学习权重并更新节点表征，实现全局特征聚合；随后基于跨层注意力加权融合目标节点的多类型邻居信息，生成精细化上下文特征，完成局部背景信息聚合；最后拼接全局节点表征与局部上下文特征，通过分类器输出目标实体成为高发展潜力实体的概率。该方法能有效处理学术网络的复杂异构性，提升预测精度，为科研管理等提供支持。