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：江南大学

摘要：本发明涉及图数据挖掘技术领域，具体指一种基于信息补全的异构图嵌入方法，包括：对目标节点进行特征聚合，得到目标节点的初步补全特征向量，并基于异构图中节点之间关系，学习节点之间相似度，得到目标节点在每个关系中的目标邻接矩阵；循环更新节点特征，得到节点的目标特征向量；基于目标节点在每个关系中的目标邻接矩阵以及节点的目标特征向量，对目标节点进行邻域转移，得到目标节点的完整补全特征向量，并采用注意力机制聚合，得到目标节点的最终节点表示。本发明补全了目标节点缺失的属性特征，完善了目标节点的邻域信息，使得关系连接较少的目标节点能够学习到更多信息，从而得到更加完整的节点特征表示，进而提升下游任务性能。

主权项：1.一种基于信息补全的异构图嵌入方法，其特征在于，包括：基于异构图，确定并构建目标节点集；将异构图中所有节点的初始特征向量映射到统一的共享语义空间中，得到所有节点的投影特征向量；依据当前目标节点与其各个邻居节点之间的属性特征相似度的大小排序，筛选当前目标节点的前k个邻居节点；对当前目标节点及其前k个邻居节点的投影特征向量进行加权平均，得到当前目标节点的初步补全特征向量；基于各个目标节点的初步补全特征向量、各个目标节点的各个邻居节点的投影特征向量，学习异构图中节点之间的相似度，并得到异构图中每种关系的关系邻接图；将每种关系的初始邻接矩阵与关系邻接图进行聚合，得到每种关系的目标邻接矩阵，从而得到当前目标节点在当前关系中的目标邻接矩阵；基于异构图中的所有节点，设置初始轮次各个节点对应的自适应权重矩阵以及训练次数，基于上一轮次当前节点的自适应特征向量及当前轮次当前节点对应的自适应权重矩阵，得到当前轮次当前节点的自适应特征向量；直至达到预设的训练次数，得到各个节点的目标特征向量；其中，当训练轮次为1时，上一轮次当前目标节点的自适应特征向量为其初步补全特征向量，上一轮次当前目标节点的每个邻居节点的自适应特征向量为其投影特征向量；基于当前目标节点在当前关系中的目标邻接矩阵，对当前目标节点在当前关系中的各个邻居节点的目标特征向量进行归一化操作，得到当前目标节点在当前关系中的各个邻居节点的特征嵌入向量；对当前目标节点的目标特征向量、当前目标节点在当前关系中的各个邻居节点的特征嵌入向量进行加权平均，得到当前目标节点在当前关系中的邻域嵌入向量作为当前目标节点在当前关系中的实际邻域；设置当前目标节点在当前关系中的邻域转移向量，定义当前目标节点在当前关系中的理想邻域，并确定当前目标节点在当前关系中的理想邻域与实际邻域的差值；利用缩放和转移变换，最小化当前目标节点在当前关系中的理想邻域与实际邻域的差值，得到当前目标节点在当前关系中的邻域转移向量，依次得到当前目标节点在每个关系中的邻域转移向量；基于当前目标节点及其各个邻居节点的目标特征向量、当前目标节点在每个关系中的邻域转移向量，得到当前目标节点的完整补全特征向量；基于各个目标节点的完整补全特征向量，以及各个目标节点的各个邻居节点的目标特征向量，计算异构图中节点之间的关系强度，并采用注意力机制聚合，获得各个目标节点的上下文表示，并进行残差连接，得到各个目标节点的最终节点表示。

全文数据：

权利要求：

百度查询： 江南大学 基于信息补全的异构图嵌入方法