[发明专利]一种基于生成对抗网络和迁移学习的社交关系预测方法有效
| 申请号： | 201910669568.5 | 申请日： | 2019-07-24 |
| 公开（公告）号： | CN110489661B | 公开（公告）日： | 2022-04-26 |
| 发明（设计）人： | 陈艳姣;熊宇轩;刘布楼 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06F16/9536 | 分类号： | G06F16/9536;G06Q50/00;G06K9/62 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 齐晨涵;姜学德 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于生成对抗网络和迁移学习的社交关系预测方法，提出了一个基于迁移学习的新的生成对抗网络框架，TranGAN，来进行社交关系的预测。该模型利用社交理论作为公共信息来将源网络和目标网路联系起来。生成对抗网络根据原有的数据集生成和原有数据集具有相似概率分布的样本，从而增大原有数据集的样本数量。而该模型相比于原有的迁移学习模型，由于计算复杂度较低，具有更快的速度，适用于较大规模网络的分析。 | ||
| 搜索关键词： | 一种 基于 生成 对抗 网络 迁移 学习 社交 关系 预测 方法 | ||
【主权项】：
1.一种基于生成对抗网络和迁移学习的社交关系预测方法，其特征在于，包括以下步骤：/n步骤1：设计均包括三层神经网络的生成器G、分类器C、判别器D，并初始化各神经网络的权值和偏置，其中三层包含输入层、隐藏层和输出层；/n步骤2：根据步骤1中神经网络生成新的样本，具体过程如下：将随机噪音Z和样本X的标签Y作为生成器的输入，经过两层神经网络的运算，最后通过sigmoid函数运算得到与样本特征维度相同的向量Xg，Y作为它的标签即可得到新的样本，即Yg＝Y，将Xg作为分类器C的输入，最后通过softmax函数运算输出得到其标签Yc，从而得到新的样本(Xg,Yg)。此时共有三种样本：(Xg,Yg)、(Xc,Yc)和(Xd,Yd)，(Xd,Yd)样本是标签和特征都已有的真实样本；/n步骤3：将混有三种样本的数据分批输入到分类器、判别器和生成器里面，根据三个神经网络各自的损失函数，通过Adam算法进行梯度下降从而修改这三个的神经网络的权值和偏差；/n步骤4：将测试集的特征作为输入输入到分类器C，得到判定出来的各自的类别。/n
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武汉大学，未经武汉大学许可，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/201910669568.5/，转载请声明来源钻瓜专利网。
