[发明专利]基于融合结构特征的属性网络表示学习方法在审
| 申请号： | 201910266177.9 | 申请日： | 2019-04-03 |
| 公开（公告）号： | CN110020023A | 公开（公告）日： | 2019-07-16 |
| 发明（设计）人： | 徐博;郑翔宇 | 申请（专利权）人： | 大连理工大学 |
| 主分类号： | G06F16/906 | 分类号： | G06F16/906;G06F17/50;G06Q50/00 |
| 代理公司： | 大连星海专利事务所有限公司 21208 | 代理人： | 裴毓英 |
| 地址： | 116024 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及网络表示学习领域，提供一种基于融合结构特征的属性网络表示学习方法，包括：步骤1，获取网络图数据；步骤2，利用获取网络图数据，对结点属性的相似性进行属性建模，得到属性模型；步骤3，利用获取网络图数据，对网络结构的相似性进行结构建模，得到结构模型；步骤4，将步骤2得到的属性模型和步骤3得到的结构模型进行联合建模，得到最小化目标函数；步骤5，设置学习过程的终止条件；步骤6，根据步骤4得到的最小化目标函数和步骤5设置的终止条件，求得最小化目标函数的解，得到学习到的特征结果。本发明能够使节点属性的相似性更好的表示到嵌入向量的相似性当中，提高网络节点分类的精确性和可靠性。 | ||
| 搜索关键词： | 网络图 目标函数 最小化 结构模型 属性模型 属性网络 终止条件 学习 网络节点分类 结构建模 属性建模 特征结果 网络表示 网络结构 学习过程 融合 建模 结点 向量 嵌入 联合 | ||
【主权项】：
1.一种基于融合结构特征的属性网络表示学习方法，其特征在于，包括以下过程：步骤1，获取网络图数据；步骤2，利用获取网络图数据，对结点属性的相似性进行属性建模，得到属性模型；步骤3，利用获取网络图数据，对网络结构的相似性进行结构建模，得到结构模型；步骤4，将步骤2得到的属性模型和步骤3得到的结构模型进行联合建模，得到最小化目标函数；步骤5，设置学习过程的终止条件；步骤6，根据步骤4得到的最小化目标函数和步骤5设置的终止条件，求得最小化目标函数的解，得到学习到的特征结果。
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大连理工大学，未经大连理工大学许可，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/201910266177.9/，转载请声明来源钻瓜专利网。
