申请/专利权人：扬州大学

申请日：2022-04-06

公开（公告）日：2024-04-23

公开（公告）号：CN114757271B

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/2413;G06F18/22;G06N3/042;G06N3/045;G06N3/0464;G06Q50/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.08.02#实质审查的生效;2022.07.15#公开

摘要：本发明公开了一种基于多通道图卷积网络的社交网络节点分类方法与系统。本发明首先根据社交网络数据集中的节点属性构造属性矩阵和邻接矩阵分别输入到两个图卷积网络通道，得到拓扑空间和特征空间对应的节点嵌入，同时通过参数共享的图卷积网络提取拓扑空间和特征空间的公共信息，并使用注意力机制来学习节点嵌入相对应的权重。为了能够增强不同输入在相同网络间得到的节点嵌入的共性，使用一致性对其进行约束，相对应地，为了确保能够从不同的网络中获取不同的节点信息，使用HSIC准则对相同输入在不同的网络得到的节点嵌入进行差异化约束。最后将约束和节点分类损失结合来构造目标函数并进行优化。本发明能够提高社交网络节点分类的准确性。

主权项：1.一种基于多通道图卷积网络的社交网络节点分类方法，其特征在于，包括如下步骤：1获取社交网络图数据集，社交网络图为无向图，节点表示用户，用户具有不同属性，经处理后数据集中包含有标签数据以及无标签数据；2根据社交网络图数据集中的节点属性构造属性矩阵和邻接矩阵，将社交网络图的属性矩阵X以及邻接矩阵A作为图卷积网络的输入来提取社交网络图本身的结构信息，通过图卷积网络N1得到对应的节点嵌入表示Zt；使用KNN算法构造社交网络图的K-近邻图，利用构造的K-近邻图的邻接矩阵Ak和属性矩阵X来获取节点的特征关系，通过图卷积网络N2得到对应的节点嵌入表示Zk；3使用参数共享的图卷积网络C来提取不同属性矩阵和邻接矩阵作为输入的公共信息，并且使用度量函数来衡量不同节点嵌入表示之间的差异获取公共节点嵌入Zc；4使用个性化注意力机制来自动化学习节点嵌入的权重，获取相对应的权重之后，利用权重对之前操作得到的节点嵌入Zt,Zk,Zc进行结合得到最终的节点嵌入Z；5对节点嵌入分别进行一致性约束和差异性约束，并使用交叉熵损失函数作为损失函数；将前期的约束条件和节点分类的损失函数相结合，得到最终的目标函数进行优化；将最终节点嵌入Z输入softmax分类器中，输出节点的类别预测。

全文数据：

权利要求：

百度查询： 扬州大学 基于多通道图卷积网络的社交网络节点分类方法与系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD