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：山西大学
摘要：本发明提供一种基于全局和局部信息增强的图对比学习引文网络节点分类方法及系统。本发明的技术方案是：采用两个不同的数据增强策略生成增强视图，首先，基于扩散矩阵和特征相似矩阵得到权重矩阵，进行拓扑和特征增强得到第一个增强视图；其次，基于节点重要性计算扰动概率，根据概率自适应地在拓扑级和属性级扰动得到第二个增强视图；然后经编码器获得增强视图的节点嵌入表示，根据对比损失训练模型；最后根据嵌入表示获得节点分类结果。本发明基于全局和局部信息的增强策略构建两个不同的增强视图，增加了模型对引文网络图数据多样性和复杂性的理解，使图对比学习获得更具判别性的表征，提高图对比学习引文网络节点分类性能。
主权项：1.一种基于全局和局部信息增强的图对比学习引文网络节点分类方法，其特征在于，该方法包括如下步骤：S11：基于引文网络图数据G＝V,E，其中V表示节点集合，E表示边集合，构建扩散矩阵S和特征相似矩阵P，然后计算扩散矩阵和特征相似矩阵的乘积得到权重矩阵Q；S12：基于权重矩阵Q，为每个节点选择k个最近邻得到增强视图的拓扑结构，并计算节点特征的掩蔽概率，然后对节点特征进行扰动，得到第一个视图；S13：将图内节点进行无监督聚类，并得到聚类中心μ，然后通过计算节点与集群中心的相似度来定义节点特征的重要性Wf∈RF×1和边的重要性We∈RN×N；S14：基于节点特征的重要性和边的重要性，计算节点特征掩蔽概率pf和边删除概率pe，然后通过节点特征掩蔽概率和边删除概率自适应的执行扰动，获得第二个视图；S15：对于引文网络图数据中的任何节点，它在一个视图中的嵌入ui被视为锚，另一个视图中相应的嵌入vi被视为正例，且两个视图中其他节点的嵌入被视为负例，将上述步骤的两个视图的节点经过编码器获得节点的嵌入表示并构造对比损失lui,vi，然后根据两个视图的对称性，构造总损失L，训练模型获得节点的优化嵌入表示；S16：将节点的嵌入表示输入逻辑回归节点分类模型，获得优化的图对比学习引文网络节点分类任务结果。
全文数据：
权利要求：
百度查询： 山西大学 一种基于全局和局部信息增强的图对比学习引文网络节点分类方法及系统
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