摘要：针对同城配送场景下异构特征匹配建模难、交互信息融合不足的问题，本文提出了一种基于Prompt引导的双向异构图Transformer模型（P-BiHGT）。该模型借助虚拟Prompt节点作为全局语义引导，建立其与车辆、订单节点之间的显式连接，从而提升图中全局语义信息的融合与传播能力。同时，针对同城配送中车辆与订单节点之间语义关联弱、交互建模单向化的问题，进一步引入基于角色语义驱动的双向注意力机制，分别建模“车辆→订单”和“订单→车辆”的交互路径，增强异构节点之间的表达能力。在完成双向交互建模后，模型进一步通过多层感知机对融合特征的节点对进行高阶匹配决策，从而提升匹配准确性。在同城配送仿真实验中，所提模型在验证集准确率达到了93.6%，明显优于其他传统模型，验证了P-BiHGT在异构匹配任务中的有效性与适应性。
文章目录
1 引言
2 问题描述与建模
2.1 问题描述
2.2 相关假设
2.3 问题建模
3 算法设计
3.1 模型整体框架
3.2 Prompt增强的异构图Transformer编码器设计
3.2.1 Prompt节点初始化
3.2.2 Prompt节点注意力机制设计
3.2.3 节点特征更新机制
3.3 双向注意力机制优化
3.4 匹配概率预测
3.5 P-BiHGT模型伪代码
3.6 P-BiHGT模型算法复杂度分析
3.6.1 时间复杂度
3.6.2 空间复杂度
4 实验验证与结果分析
4.1 实验设计
4.2 模型训练与验证过程分析
4.3 模型性能对比实验
