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：本发明公开了一种可缩放隐等距流形的引文网络节点分类方法与系统。本发明首先开发了具有动态掩码率的元路径掩码，用于元路径的边缘构成的邻接矩阵重建；其次利用动态掩码率，学习节点属性恢复，探究节点属性中涉及的内容信息，便于模型关注目标节点类型；然后设计了位置特征预测策略，整合每个节点的位置信息；之后构建缩放等距正则化项，最后由上面四部分损失定义引文网络数据集上的总损失来训练可缩放隐等距流形自编码器。本发明有效解决了当前深度学习在挖掘引文网络节点过程会破坏原始空间的几何结构的问题，从而捕获样本节点间的流形结构，提高引文网络节点分类的准确性。因此，本发明能够在引文网络节点分类任务中取得更好的性能表现。

主权项：1.一种可缩放隐等距流形的引文网络节点分类方法，其特征在于，包括如下步骤：给定引文网络图数据集是图的节点的集合，ε是图的边的集合，A是邻接矩阵，是图的节点的类型集合，Tε是图的边的类型集合，X是图的节点特征矩阵，Φ是元路径集合；元路径φ∈Φ是连接具有不同类型边的不同类型节点的路径；构建包括编码器fE、RealNVP流模型i和其逆模型i-1、MLP模型fMLP和解码器fD的可缩放隐等距流形自编码器；利用动态掩码率得到基于掩蔽的元路径的邻接矩阵将和节点属性X输入编码器fE，得到潜在的节点嵌入将带有的发送到解码器fD中，生成被解码后的节点嵌入Hφ，利用Hφ来重建邻接矩阵根据权重对每个元路径的损失进行融合，得到基于元路径的边缘重建的组合损失对目标节点类型t的节点的一个子集进行采样，使用一个可学习的掩码标记[M]来屏蔽子集的每个属性得到掩蔽属性矩阵将输入编码器fE，得到潜在的节点嵌入通过流模型i将转换为一组新的潜在坐标将A和发送到解码器fD中，得到恢复的节点属性Z，使用一个经过缩放的余弦误差来比较目标属性Xv和重建属性Zv，得到目标属性恢复的损失使用Mp2vec提取元路径感知的位置特征P，经过由流模型i-1和MLP模型fMLP构成的解码器得到模型预测的位置特征P′，使用一个经过缩放的余弦误差来比较目标位置特征P和预测的位置特征P′，得到位置特征预测的损失；构建缩放等距正则化项，结合和损失构成总损失，通过反向传播算法优化可缩放隐等距流形自编码器的权重参数；使用预训练完的可缩放隐等距流形自编码器得到隐层特征，再将隐层特征通过流模型i转换为一组新的潜在坐标，用于训练分类器，最后对测试集引文网络进行节点分类，获得分类结果。

全文数据：

权利要求：

百度查询： 扬州大学 可缩放隐等距流形的引文网络节点分类方法与系统