[发明专利]一种基于非欧空间的信息提取方法

说明书

本发明公开了一种基于非欧空间的信息提取方法，包括，基于双曲空间的基本运算法则将欧式空间输入的图结构映射到双曲空间；利用加法与乘法重新定义所述双曲空间中的Hawkes process的条件强度函数；将曲率c作为所述函数的一个参数，迭代更新所述曲率c，得到训练完成的双曲空间模型，描述未来事件的分布。本发明方法实现通过结合过去发生事件的时间与类型信息对未来的事件映射入双曲空间，获得更好的层次结构对未来发生事件进行预测，在应用方面，可以对大规模层次数据进行好的表示，使图信息更加准确。

技术领域

本发明涉及计算机双曲空间的技术领域，尤其涉及一种基于非欧空间的信息提取方法。

背景技术

为了更好的介绍双曲空间，本文简要地介绍了欧几里德空间中神经网络的一般原理所需的微分几何的基本概念，一个n维流形是一个局部可用逼近的空间：它是二维曲面2D概念在更高维的推广，对于可以将在x处的切空间定义为在x周围的一阶线性逼近，上的黎曼度量是一个内积g_x:的集合，黎曼流形是一个具有黎曼度量g的流形了虽然黎曼度量g的选择似乎只在局部定义了几何，但它通过积分两点之间最短路径的长度(存在于切空间中的速度矢量)而得到全局距离：

其中，且γ(0)＝，γ(1)＝y，在两个点x和y之间的最小长度路径γ被称为测地线，并且可以被看作是欧氏空间中一条直线的推广，P_x→y:T_xM→T_yM对应于沿测地线移动的切向量，并定义了连接切空间的一种规范方法，指数映射exp_x给出了一种方法，将切空间的x向量投射到流形上的一个点本文所考虑的庞加莱球模型，exp_x在全切空间上有很好的定义。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于非欧空间的信息提取方法，能够解决无法获得一个较好的节点特征信息、欧式空间映射失真的问题。

为解决上述技术问题，本发明提供如下技术方案：包括，基于双曲空间的基本运算法则将欧式空间输入的图结构映射到双曲空间；利用加法与乘法重新定义所述双曲空间中的Hawkes process的条件强度函数；将曲率c作为所述函数的一个参数，迭代更新所述曲率c，得到训练完成的双曲空间模型，描述未来事件的分布。

作为本发明所述的基于非欧空间的信息提取方法的一种优选方案，其中：还包括，所述双曲空间的图信息嵌入、所述双曲空间的信息融合、所述双曲空间的类别特征嵌入、信息融合、预测、训练和微调。

作为本发明所述的基于非欧空间的信息提取方法的一种优选方案，其中：所述双曲空间的图信息嵌入包括，将用户节点的邻接矩阵映射至所述双曲空间后，利用所述双曲空间中的GCN对所述图结构的邻接矩阵信息进行聚合。

作为本发明所述的基于非欧空间的信息提取方法的一种优选方案，其中：所述双曲空间的信息融合包括，将过去发生事件的具体时间间隔及发生时间矩阵映射至所述双曲空间中进行聚合。

作为本发明所述的基于非欧空间的信息提取方法的一种优选方案，其中：所述双曲空间的类别特征嵌入包括，将过去所有发生事件的类别矩阵映射至所述双曲空间中。

作为本发明所述的基于非欧空间的信息提取方法的一种优选方案，其中：所述信息融合包括，将所述邻接矩阵及所述特征矩阵输入所述双曲空间GCN中，并将所述GCN的输出与输入所述双曲空间进行映射后的所述类别矩阵、所述时间矩阵相连接。