龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙大城市学院
摘要：本发明提供了一种基于图神经网络对比学习的社交网络社群搜索方法，包括：步骤1.获取用户输入的查询节点，以查询节点为起点在社交网络上根据不同的随机游走概率采样得到两个子图；步骤2.将步骤1得到的两个子图输入图神经网络模型中得到社交网络中每个节点的嵌入表示向量；步骤3.分别根据跨图对比目标函数和图互信息最大化目标函数在步骤1得到的两个图中采样得到正负样本节点；步骤4.将步骤2中对应采样得到的节点向量代入目标损失函数，通过梯度反向传播更新模型参数；步骤5.重复步骤1‑4，得到预训练模型；步骤6.线上测试阶段，利用预训练模型，根据输入的查询节点迭代生成结构紧密且查询高度相关的目标社群。
主权项：1.一种基于图神经网络对比学习的社交网络社群搜索方法，其特征在于具体包括以下步骤：S01、查询驱动的子图采样：对输入的查询节点的邻居信息进行采样计算以产生与查询节点高度相关的子图；S02、节点特征向量表示：对所述经查询驱动的子图采样所得到的子图进行节点向量化表示，产生可计算的节点特征表示；S03、训练节点采样：根据跨图对比目标函数和图互信息最大化目标损失函数对所述经查询驱动的子图采样所得到的子图内节点进行采样，产生可用于后续训练的节点；S04、对比损失函数计算：对所述经过训练节点采样得到的节点以及所述得到的节点特征向量表示进行比对损失值的计算，计算出损失值，通过反向传播更新模型参数；S05、迭代生成社群：对经预训练后的图神经网络模型进行查询驱动的线上社群生成，产生与查询节点结构紧密且高度相关的目标社群。
全文数据：
权利要求：
百度查询： 浙大城市学院 基于图神经网络对比学习的社交网络社群搜索方法及社群搜索装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号