[发明专利]一种安全图卷积网络的文献分类方法及系统

说明书

本发明公开了一种基于安全图卷积网络的文献分类方法及系统，该方法包括：S100：获取包含已标记样本数据和未标记样本数据的训练数据集；S200：利用当前训练数据集训练半监督图卷积网络，并对当前的未标记样本数据进行预测；S300：利用当前训练数据集训练监督图卷积网络，并对当前的未标记样本数据进行预测；S400：选出高置信度样本数据扩充已标记样本数据；S500：迭代执行步骤S200‑S400直至迭代停止；S600：采用当前训练数据集中已标记样本数据训练监督图卷积网络；S700：采用监督图卷积网络进行文献分类。本发明结合半监督学习和图卷积神经网络进行样本扩充，可显著提升文献分类准确率。

技术领域

本发明属于机器学习技术领域，尤其涉及一种安全图卷积网络的文献分类方法及系统。

背景技术

科技文献分类一直以来都是数据挖掘技术领域的关键问题，随着机器学习技术的不断成熟以及深度学习技术的出现，使得科技文献分类变得越来越高效准确。在机器学习的各领域中，监督学习得到了广泛应用，并取得了较好效果。但在标记样本较少的情况下，监督学习效果往往不那么尽如人意。科技文献的数量非常庞大，虽然数据众多，但相比于未标记的数据，标记数据的数量要少得多。因此，存在小样本情况下如何利用大量未标记样本来辅助提升网络模型性能的问题。在这种情况下，半监督学习得到了较好应用。在现有标记数据样本较少的情况下，使用半监督学习方法可以很好地提高分类准确率。

在半监督图卷积神经网络领域中，普遍存在如何利用大量未标记样本来提升网络模型性能的问题。扩充样本标签数据集为目前较常用的解决方案，而扩充样本标签数据集的方法较多，如何有效且安全的扩充样本标签数据集是面临的一个主要问题。

发明内容

本发明的目的是提供一种安全图卷积网络的文献分类方法及系统，该方法及系统可更有效且更安全的扩充样本标签数据集，从而提升模型的预测性能。

本发明实施例提供的一种安全图卷积网络的文献分类方法，包括：

S100：获取包含已标记样本数据和未标记样本数据的训练数据集；

S200：利用当前训练数据集构造第一邻接矩阵，利用第一邻接矩阵训练半监督图卷积网络，采用训练后的半监督图卷积网络对当前训练数据集中未标记样本数据进行预测，获得各未标记样本数据对应的第一预测值和第一伪标签；其中，当前训练数据集的初始值为步骤S100所获取的训练数据集；

S300：利用当前训练数据集中已标记样本数据构造第二邻接矩阵，将第二邻接矩阵带入监督图卷积网络进行训练，采用训练后的监督图卷积网络对当前训练数据集中未标记样本数据进行预测，获得各未标记样本数据对应的第二预测值和第二伪标签；

S400：将第一伪标签和第二伪标签相同且第一预测值不小于第二预测值的未标记样本数据判定为高置信度样本数据，统计高置信度样本数据对应的伪标签，并分别获得各类伪标签对应的高置信度样本数据数量，选取各类高置信度样本数据数量的最小值s，从各类高置信度样本数据中随机选取s个高置信度样本数据及其伪标签，作为已标记样本数据，从而更新当前训练数据集；

S500：将步骤S400更新后的训练数据集作为新的当前训练数据集，迭代执行步骤S200-S400，直至再无第一伪标签和第二伪标签相同的未标记样本数据，执行步骤S600；

S600：采用当前训练数据集中的已标记样本数据训练监督图卷积网络；

S700：采用步骤S600训练后的监督图卷积网络进行文献分类。

一些实施例中，训练数据集Cora数据集、Pubmed数据集、Citeseer数据集中的一个或多个。

一些实施例中，步骤S200中，以半监督图卷积网络的交叉熵为损失函数来训练半监督图卷积网络。

一些实施例中，步骤S300中，以监督图卷积网络的交叉熵为损失函数来训练监督图卷积网络。