[发明专利]异质图神经网络生成方法、装置、电子设备及存储介质有效
| 申请号： | 201910349275.9 | 申请日： | 2019-04-28 |
| 公开（公告）号： | CN110046698B | 公开（公告）日： | 2021-07-30 |
| 发明（设计）人： | 石川;王啸;纪厚业 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人： | 丁芸;项京 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请实施例提供了一种异质图神经网络生成方法、装置、电子设备及存储介质，包括：获取待处理数据的各目标节点向量；通过预设深度学习算法对各目标节点向量进行分析，得到各目标节点向量的节点级别的注意力；通过第一预设公式对各目标节点的节点级别的注意力进行归一化，得到各目标节点向量的权重系数；通过第二预设公式将各目标节点向量的权重系数和各目标节点向量进行聚合，得到各目标节点向量在指定元路径下的向量表示；将各目标节点向量在不同元路径的权重进行融合，得到各目标节点向量语义级别的注意力表示，从而得到各目标节点向量的网络模型。这样应用本申请实施例的网络模型，可以更好的捕获异质图上的复杂结构和语义信息。 | ||
| 搜索关键词： | 异质图 神经网络 生成 方法 装置 电子设备 存储 介质 | ||
【主权项】：
1.一种异质图神经网络生成方法，其特征在于，包括：获取待处理数据的各目标节点向量；通过预设深度学习算法对所述各目标节点向量进行分析，得到所述各目标节点向量的节点级别的注意力；通过第一预设公式对所述各目标节点的节点级别的注意力进行归一化，得到所述各目标节点向量的权重系数；通过第二预设公式将所述各目标节点向量的权重系数和所述各目标节点向量进行聚合，得到所述各目标节点向量在指定元路径下的向量表示；将所述各目标节点向量在不同元路径的权重进行融合，得到所述各目标节点向量语义级别的注意力表示，从而得到所述各目标节点向量的网络模型。
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北京邮电大学，未经北京邮电大学许可，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/201910349275.9/，转载请声明来源钻瓜专利网。
