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！
摘要：一种基于图卷积网络的自监督社团检测算法—SSGCNCD，包括图卷积网络模型GCN，该算法为GCN模型赋予随机初始化的权重矩阵W，检测出网络中的初始社团结构；然后，将初始社团中满足与社团内部连接紧密、与社团外部连接稀疏条件的节点定义为核心节点，将其作为半监督信息来学习节点的表示；最后，通过优化全局模块度的方式调整边缘节点，确定最终的社团划分。本发明将GCN传播模型中的节点属性特征矩阵重新定义为节点对社团的隶属度矩阵，用以反映节点对社团的隶属关系。这种方法的好处是GCN模型经过训练后，节点对社团的隶属度矩阵可以直接揭示网络中的社团结构。
主权项：1.一种基于图卷积网络的自监督社团检测算法—SSGCNCD，包括图卷积网络模型GCN，其特征在于，首先，设置参数：主要包括节点对社团的节点隶属度矩阵M，并对其赋值为单位矩阵In，社团数目上限或嵌入空间中节点表示的维数K，社团数目上限K设置为随机初始化权重矩阵W；然后，训练GCN模型得到节点隶属度矩阵M，GCN模型的前向传播训练规则为： 公式中，M是节点隶属度矩阵，Ml是GCN的第l层得到的节点隶属度矩阵，其分量Mij反映了节点vi属于社团Cj的可能性，In为n阶的单位矩阵；为的度矩阵；Wl是神经网络的逐层可训练权重矩阵；σ为激活函数，使用LeakReLU。在每个训练阶段中更新节点对社团的隶属度矩阵M之后，通过以下方式提取社团：将每个节点vi分配给社团Cj，其中Mij是M的第i行分量中最大的值，如公式3所示， 公式3中，K是嵌入空间中节点表示的维数，则节点隶属度矩阵M的维数是n×K；再之，将社团结构中满足与社团内部连接紧密、与社团外部连接稀疏条件的节点定义为核心节点，将其社团编号作为节点的标签，将它们作为半监督信息定义损失函数，并以直推式学习的方式进行GCN模型的训练；最后，通过优化全局模块度的方式调整边缘节点，确定最终的社团划分；所述算法标记为SSGCNCD算法。
全文数据：
权利要求：
百度查询： 兰州大学 基于图卷积网络的自监督社团检测算法—SSGCNCD
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