[发明专利]基于子图采样的大规模属性图上的无监督图表示学习方法和装置有效
| 申请号： | 202010673816.6 | 申请日： | 2020-07-14 |
| 公开（公告）号： | CN111950594B | 公开（公告）日： | 2023-05-05 |
| 发明（设计）人： | 王佳麟;高军;白金泽;李朝;张吉;王佳 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06F18/21 | 分类号： | G06F18/21;G06F18/23213;G06N3/0455;G06N3/0464;G06N3/088;G06N3/084 |
| 代理公司： | 北京君尚知识产权代理有限公司 11200 | 代理人： | 邱晓锋 |
| 地址： | 100871 北*** | 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： | 本发明涉及一种基于子图采样的大规模属性图上的无监督图表示学习方法和装置。该方法包括：根据属性图的结构信息和节点属性信息，对属性图进行子图采样，生成多张子图；利用属性图的结构信息、节点属性信息和社区信息，在每个子图上进行图自编码器的学习，得到属性图中节点的低维向量表示。图自编码器包括编码器和解码器；编码器采用图卷积神经网络；解码器包含图结构损失重构解码器、图内容损失重构解码器以及图社区损失重构解码器。本发明支持用户利用此方法以无监督的方式学习大规模属性图中的节点的低维向量表示，这些向量表示会尽可能保留图上的拓扑结构信息和节点属性信息，这些向量作为输入应用于不同的下游任务来对图进行数据挖掘任务。 | ||
| 搜索关键词： | 基于 采样 大规模 属性 监督 图表 学习方法 装置 | ||
【主权项】：
暂无信息
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大学，未经北京大学许可，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/202010673816.6/，转载请声明来源钻瓜专利网。
