[发明专利]基于多视角的随机删边嵌入模型的分类方法有效

专利信息
申请号: 202110208919.X 申请日: 2021-02-25
公开(公告)号: CN112884045B 公开(公告)日: 2022-12-20
发明(设计)人: 杨亮;栗位勋;顾军华;贾永娜;张亚娟;牛丙鑫 申请(专利权)人: 河北工业大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 天津翰林知识产权代理事务所(普通合伙) 12210 代理人: 付长杰
地址: 300130 天津市红桥区*** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 视角 随机 嵌入 模型 分类 方法
【权利要求书】:

1.一种对于论文引文网络Citeseer数据集的论文分类方法,节点是出版物,边缘是引文链接,节点属性是论文的词袋表示,所有节点分为六类,实现引文网络的精确快速分类,包括以下步骤:

步骤1、对已知的初始邻接矩阵A做图扩散操作得到图扩散矩阵S,将邻接矩阵A和图扩散矩阵S分别做随机剔除边操作得到Adrop和Sdrop

步骤2、邻接矩阵A和图扩散矩阵S分别经过两个独立通道的多层GCN卷积层得到嵌入矩阵ZE1、ZE2,随机剔除边Adrop和随机剔除边Sdrop分别经过共享通道的多层GCN卷积层获得嵌入矩阵ZCE1、ZCE2,嵌入矩阵ZCE1与嵌入矩阵ZCE2求和获得嵌入矩阵ZCM

步骤3、对嵌入矩阵ZE1、ZE2、ZCM使用注意力机制确定各嵌入矩阵的重要性,根据公式(10)得到最终嵌入矩阵Z;

Z=αE1·ZE1CM·ZCME2·ZE2 (10)

其中,(αE1,αCM,αE2)分别为对应嵌入矩阵的重要性;

步骤4、将步骤3获得的最终嵌入矩阵Z输入到具有线性变换和softmax函数的半监督多类分类器中,获得对应最终嵌入矩阵Z的预测标签,将预测标签和对应的真实标签Y做交叉熵,获得交叉熵损失函数Lt

步骤5、分别让ZE1和ZCM求KL得到KL散度的损失函数Le1,让ZE2和ZCM求KL得到KL散度的损失函数Le2,三个损失函数求和得到最终的损失函数Loss;

Loss=Lt+γLe1+βLe2

其中,γ和β是一致性和视差约束项的参数,在标记数据的指导下,通过反向传播优化建议的模型,并学习节点的嵌入以进行分类;完成嵌入模型的构建;

将Citeseer数据集的节点数据输入到该嵌入模型中,即可完成Citeseer数据集的分类。

2.根据权利要求1所述的分类方法,其特征在于,使用注意力机制确定各嵌入矩阵的重要性的具体过程是:

在节点i上,在ZE1中的嵌入是即ZE1的第i行,首先通过非线性变换对进行变换,然后使用一个共享的关注向量q∈Rh′×1根据公式(8)获得关注值

W∈Rh′×h是权重矩阵,h、h’表示权重维度,b∈Rh′×1是偏差向量;

同理,分别在嵌入矩阵ZCM和ZE2中获得节点i的关注值和

然后,使用softmax函数将关注值归一化,以得到节点i的归一化后的关注值:

越大表示对应的嵌入就越重要;

对于所有n个节点,三个通道的n个节点的归一化后的关注值的集合分别为:把n个节点的归一化后的关注值的集合转化为对角矩阵,获得各通道嵌入矩阵的重要性,分别表示为:

αE1=diag(αe1),αCM=diag(αcm)和αE2=diag(αe2)。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河北工业大学,未经河北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110208919.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top