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：河北师范大学
摘要：本发明提供一种基于自监督注意力的引文网络嵌入及节点分类方法。基于自监督注意力的引文网络嵌入方法通过计算引文网络特征图中节点间的相似度和结构邻近度，得到全局图结构矩阵，并在全局图结构矩阵上应用图注意力网络，实现聚合高阶邻居节点，扩大模型感受野，不仅利用了引文网络中的节点属性信息，还充分考虑了引文网络的拓扑结构信息；通过混合注意力系数以及节点间存在边的预测概率引导注意力机制学习，可以学习到更具表现力的节点表示，并降低图中噪声的干扰，提升了模型的表达能力和鲁棒性，从而进一步提高使用此模型进行引文网络表示学习的性能。采用上述方法进行引文网络节点分类，提高了引文网络节点分类任务的准确性和效率。
主权项：1.一种基于自监督注意力的引文网络嵌入方法，其特征在于，包括：S1：基于相关性强度与相似度度量法，计算引文网络特征图中节点间的相似度和结构邻近度，获得全局图结构矩阵；所述引文网络特征图中的节点表示文献、边表示文献之间引用关系；S2，构建图神经网络，并利用所述图神经网络对全局图结构矩阵进行处理，得到引文网络嵌入结果；其中，所述构建图神经网络，包括：S21：计算引文网络特征图中节点的原始注意力系数及点积注意力系数；S22：计算混合注意力系数以及节点间存在边的预测概率，并通过所述混合注意力系数和所述预测概率进行图神经网络的自监督注意力引导；其中，计算混合注意力系数包括：将所述原始注意力系数与所述点积注意力系数的sigmoid函数处理结果相乘，获得混合注意力系数；对节点间存在边的预测概率包括：根据所述点积注意力系数，通过sigmoid函数处理，对节点间存在边的概率进行预测，获得预测概率；S23：选取包括正边及负采样边的引文网络特征图作为训练样本，将训练样本通过S1步骤处理得到训练全局图结构矩阵；通过所述训练全局图结构矩阵，建立包括节点标签交叉熵损失、正则化损失及自监督注意力损失的联合优化目标，对图神经网络进行训练。
全文数据：
权利要求：
百度查询： 河北师范大学 基于自监督注意力的引文网络嵌入及节点分类方法
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