[发明专利]一种基于层次注意力机制的半监督网络表示学习模型在审
| 申请号： | 201910821415.8 | 申请日： | 2019-09-02 |
| 公开（公告）号： | CN110781271A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 姚宗强;崇志强;刘杰;徐福华;周作静;马世乾;杨晓静;郭悦;尚学军;王伟臣;邓君怡;李国栋;霍现旭;王旭东;黄志刚;吕金炳;张文政;张津沛;苏立伟 | 申请（专利权）人： | 国网天津市电力公司电力科学研究院;国网天津静海供电有限公司 |
| 主分类号： | G06F16/33 | 分类号： | G06F16/33;G06F16/35;G06F40/30 |
| 代理公司： | 12209 天津盛理知识产权代理有限公司 | 代理人： | 王来佳 |
| 地址： | 300384 *** | 国省代码： | 天津;12 |
| 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层次注意力机制的半监督网络表示学习模型，其特征在于：包括如下步骤：步骤1)，词级语义编码；步骤2)，句级语义编码；步骤3)，节点文本表示；步骤4)，得到节点结构表示向量及节点的表示向量；步骤5)，半监督框架下引入节点标签。本发明基于层次注意力机制学习网络节点的文本表示，同时在半监督的框架下引入节点标签信息，最终得到节点高质量的表示向量。提升了在下游任务(节点分类、链接预测)上的性能。 | ||
| 搜索关键词： | 半监督 向量 注意力机制 节点标签 文本表示 语义编码 节点分类 节点结构 网络表示 网络节点 引入 链接 学习 预测 | ||
【主权项】：
1.一种基于层次注意力机制的半监督网络表示学习模型，其特征在于：包括如下步骤：/n步骤1)，词级语义编码：输入以句号分句的节点文本，使用词向量查询的方法初始化每个词的初始语义表示，后利用双向GRU以序列的方式对句中的词进行高层的语义编码；/n步骤2)，句级语义编码：根据词的高层语义表示，以词级注意力机制得到句子的初始语义表示，后利用另一组双向GRU学习文本中每个句子的高层语义表示；/n步骤3)，节点文本表示：根据句子的高层语义表示，以句级注意力机制得到文本的表示向量，与节点文本中各词的词向量平均池化向量相加得到节点的文本表示；/n步骤4)，得到节点结构表示向量及节点的表示向量：随机初始化节点结构表示向量，用对数似然损失函数优化得到结构表示向量，将节点的文本表示向量与结构表示向量拼接得到节点的表示向量；/n步骤5)，半监督框架下引入节点标签：在半监督学习的框架下，将带标签节点的标签信息引入网络表示学习，将分类损失与步骤4中的对数似然损失联合优化得到最终的节点表示向量。/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国网天津市电力公司电力科学研究院;国网天津静海供电有限公司，未经国网天津市电力公司电力科学研究院;国网天津静海供电有限公司许可，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/201910821415.8/，转载请声明来源钻瓜专利网。
