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：扬州大学
摘要：本发明公开了一种邻居效应图卷积网络的引文网络节点分类方法及系统。本发明通过引入基于熵的度量来评估引文网络中节点邻域的异配性，并利用这一度量优化图卷积网络的信息聚合机制。首先，通过编码器将节点特征转换为两组特征：聚合特征和判别特征，分别对应于节点邻居的局部信息和节点自身的属性信息。通过利用每个节点的类别分布熵调整这两种特征的比例，动态调整信息聚合策略，以优化节点表示的生成过程。此外，通过考虑每个节点邻居的信息多样性，本发明采用冯·诺依曼熵作为权重指导图卷积的信息聚合过程，从而有效利用邻居信息并增强节点分类的辨别力。最后，本发明将这些机制整合并通过损失函数进行优化。本发明能够显著提高引文网络节点分类的准确性。
主权项：1.一种邻居效应图卷积网络的引文网络节点分类方法，其特征在于，包括如下步骤：1获取引文网络图数据集，引文网络图为无向图，节点表示论文，论文具有不同属性；2根据引文网络图数据集的节点属性矩阵X和邻接矩阵A获取节点的冯·诺依曼熵w；3将引文网络图数据集的节点属性矩阵X作为编码器模块的输入来获得节点的判别特征S和聚合特征H；4将引文网络图数据集的邻接矩阵A和聚合特征H输入到图卷积神经网络，执行节点聚合特征H的更新；5将引文网络图数据集的判别特征S、聚合特征H和冯·诺依曼熵w输入到混合器模块，执行节点判别特征S的更新；6使用交叉熵损失函数作为损失函数，通过反向传播算法对目标函数进行优化；将最终节点判别特征S输入分类器中，输出节点的类别预测。
全文数据：
权利要求：
百度查询： 扬州大学 邻居效应图卷积网络的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