[发明专利]一种基于邻居信息的网络表示学习方法及系统在审
| 申请号： | 201810180927.6 | 申请日： | 2018-03-05 |
| 公开（公告）号： | CN108537342A | 公开（公告）日： | 2018-09-14 |
| 发明（设计）人： | 纪守领;杜天宇;陈建海 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00;G06Q50/00 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于邻居信息的网络表示学习系统，包括：数据输入模块，将含各个网络节点关联信息的网络信息数据集输入所述的网络表示学习系统，构建并初始化各个网络节点的低维向量表示；目标函数构建模块，根据网络的一度关系和邻居信息构造网络的目标函数；目标函数优化模块，采用随机梯度下降算法对目标函数进行优化，得到各网络节点的最优向量表示；数据输出模块，输出学习到的网络节点的最优向量表示。本发明还公开了利用网络表示学习系统进行网络表示学习的方法。本发明的网络表示学习方法充分利用网络节点的邻居信息，可以解决网络结构一度关系稀疏性的问题，进而学习出更有代表性的节点向量。 | ||
| 搜索关键词： | 网络表示 网络节点 邻居信息 向量表示 学习系统 目标函数 学习 目标函数构建 目标函数优化 数据输出模块 数据输入模块 网络信息数据 构造网络 关联信息 节点向量 随机梯度 网络结构 下降算法 初始化 稀疏性 低维 构建 输出 优化 网络 | ||
【主权项】：
1.一种基于邻居信息的网络表示学习方法，其特征在于，包括以下步骤：(1)构建包含各个网络节点关联信息的网络信息数据集，所述关联信息用于表示网络的结构，构建并初始化各个网络节点的低维向量表示；(2)根据网络的一度关系和邻居信息构造网络的目标函数；(3)采用随机梯度下降算法对目标函数进行优化，得到各网络节点的最优向量表示；(4)输出学习到的网络节点的最优向量表示。
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浙江大学，未经浙江大学许可，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/patent/201810180927.6/，转载请声明来源钻瓜专利网。
