[发明专利]一种基于多视角学习的正类和无标记的图数据分类方法

摘要

本发明公开了一种基于多视角学习的正类和无标记的图数据分类方法，首先构建图数据的多个视角，即通过多个不同图数据特征提取方法，将图数据样本转换成多个不同的特征矢量；接着利用图数据的多个视角构建评估函数来确定样本与标签的关系，基于排序支持向量机(rankingSVM)构建评估函数，图数据样本越有可能是正类则其经评估函数计算的得分越高，即构建的评估函数满足正类图数据的得分大于负类图数据的得分；最终对于给定的图数据样本，先获得其多个视角，然后通过评估函数计算得分，从而预测给定图数据样本的标签；本发明能够有效利用图数据的多视角来处理基于正样本和无标记样本的图数据分类，保证分类的准确性。

主权项

1.一种基于多视角学习的正类和无标记的图数据分类方法，其特征在于，包括下述步骤：(1)参数设置；设置每个视角的权重γ_v,γ_v反应图数据第v个视角的重要性；设置惩罚因子其允许训练过程中的错误；设置正则化参数ε₁，ε₂；设置非负松弛变量非负松弛变量用来保证图数据视角a与视角b一致性；(2)多视角构建；对于多视角构建，可采用不同的特征提取方法对图数据进行映射，如图数据转化为矢量(graph2vec)和挖掘频繁子图；用表示第v种映射方法，则对于图数据样本G_i，有m种映射方法则有m个视角(3)确定评估函数；由于模型处理的是多视角数据，即评估函数也应遵循多视角学习的一致性和互补性，故提出如下目标方程：R₁＝{(p,u):X_p∈P,X_u∈U},R₂＝{(i,j):X_i,X_j∈P+U},a＝1,…,m‑1,b＝a+1,…,m,k＝1,…,n,v＝1,…,m；(4)目标方程的优化；使用拉格朗日乘子法技术，对模型的目标方程进行推导得到其对偶问题，其关于非负拉格朗日乘子公式如下：其中可对推导出的对偶问题使用优化算法如SMO算法进行求解，求解出的最佳拉格朗日乘子即可用于计算w_v；(5)计算得分；对于新的图数据G，首先构造其m个视角表示其分数可使用以下公式计算：(6)利用得分预测给定图数据样本的标签结果。