[发明专利]一种基于多视角学习的正类和无标记的图数据分类方法

说明书

本发明公开了一种基于多视角学习的正类和无标记的图数据分类方法，首先构建图数据的多个视角，即通过多个不同图数据特征提取方法，将图数据样本转换成多个不同的特征矢量；接着利用图数据的多个视角构建评估函数来确定样本与标签的关系，基于排序支持向量机(rankingSVM)构建评估函数，图数据样本越有可能是正类则其经评估函数计算的得分越高，即构建的评估函数满足正类图数据的得分大于负类图数据的得分；最终对于给定的图数据样本，先获得其多个视角，然后通过评估函数计算得分，从而预测给定图数据样本的标签；本发明能够有效利用图数据的多视角来处理基于正样本和无标记样本的图数据分类，保证分类的准确性。

技术领域

本发明涉及机器学习技术领域，具体涉及一种基于多视角学习的正类和无标记的图数据分类方法。

背景技术

随着大数据时代的发展，图数据的分类受到越来越多人的关注，其原因是图数据有强大的表现力。图数据可以用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有某种关系。图数据(graph data)是一种抽象的数据结构，由顶点和边构成。许多元素可以使用图数据描述或建模，如DNA、化合物、社交网络等。图数据分类，指根据图数据的不同特征，将其分类成正类或负类。大部分现有的图数据分类方法都是假设训练样本里存在正类和负类，但在部分实际应用中，训练样本只存在正类的和无标签的(可能是正类也可能是负类)，例如在药物研究中，研究人员更容易发现某些化合物对疾病有积极作用。在这种情况下，基于正样本和无标记样本(positive and unlabeledlearning)的通用方法可以用于图数据分类。

在现有的PU问题研究中，最常见的PU分类方法有三类：(Ⅰ)基于两步策略的方法(two-stepstrategy based methods)；(Ⅱ)基于概率估计的方法(probabilityestimation based methods)；(Ⅲ)基于成分敏感的方法(cost-sensitive basedmethods)。基于两步策略的方法首先从无标签的样本中选择可靠的负类实例或可靠的正类实例，然后使用正类实例和负类实例构建分类器；基于概率估计的方法是估计样本属于正类的概率，然后进行预测；基于成本敏感的方法是通过对正类样本和无标签的样本给出适当的权重来训练分类器。由于图数据的特点，这些通用的PU分类方法不能直接用于图数据。现有的图数据分类方法提供了一个思路，它们通过在图数据上提取不同类型的特征，将图数据转换为数字向量。这些转换方法分为两类：(Ⅰ)基于特征挖掘的方法(feature miningbased methods)；(Ⅱ)基于嵌入学习的方法(embedding learning based methods)。基于特征挖掘的方法首先找到有利于分类的拓扑特征或子图特征，然后根据图数据是否含有相应的特征，每个图数据可以用由0和1组成的矢量表示；基于嵌入学习的方法是希望在将图数据转换为低维矢量的过程中，最大程度地保留了图数据的结构特征和属性。

另外，大部分现有的图数据分类方法只研究了从一个角度描述图数据的情况，其被称为单视角学习(single view learning)。在实践中，我们可以从多个角度描述物体，因此我们也可以从不同角度描述数据。利用数据不同视角的多样性来提高性能的方式称为多视角学习(multi-viewlearning)。特别是在训练样本只存在正类图数据和无标签图数据的情况下，我们需要利用更多的图数据信息，而多视角学习的思想可以为图数据分类提供更丰富的信息。

但是，现有的图数据分类方法只对训练样本里存在正样本和负样本的情况进行研究，并不适合基于正样本和无标记样本的情况，限制了图数据分类在实际生活中的应用；而且，现有的图数据分类方法只从一个角度描述图数据，从而导致了分类性能的不足。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于多视角学习的正类和无标记的图数据分类方法，该方法能够有效利用图数据的多视角来处理基于正样本和无标记样本的图数据分类，保证分类的准确性。

本发明的目的通过下述技术方案实现：