申请/专利权人:西安交通大学
申请日:2024-01-04
公开(公告)日:2024-04-26
公开(公告)号:CN117933300A
主分类号:G06N3/042
分类号:G06N3/042;G06N3/0464;G06N3/063
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本申请公开了一种基于图信息激励理论的新型图神经网络架构,该方法包括:定义图的节点激励与图激励,并根据节点激励与图激励构建图信号;对图与图信号进行图傅里叶变换、图滤波器与图卷积处理;利用多项式逼近图滤波器构建多项式滤波器以抽取图特征;对选取的数据集进行划分,并基于多项式滤波器构建嵌入模型;其中,数据集包括同配图和异配图;根据嵌入模型将数据集的节点嵌入得到嵌入节点向量,并对嵌入节点向量进行分类得到节点的分类标签。解决了现有的图神经网络在设计多项式滤波器时只关注多项式本身的性质,忽略了图结构信息的重要性的问题,进而能够预测节点类别,准确地为节点分类。
主权项:1.一种基于图信息激励理论的新型图神经网络架构,其特征在于,包括:定义图的节点激励与图激励,并根据所述节点激励与所述图激励构建图信号;对图与所述图信号进行图傅里叶变换、图滤波器与图卷积处理;利用多项式逼近图滤波器构建多项式滤波器以抽取图特征;对选取的数据集进行划分,并基于所述多项式滤波器构建嵌入模型;其中,所述数据集包括同配图和异配图;根据所述嵌入模型将所述数据集的节点嵌入得到嵌入节点向量,并对所述嵌入节点向量进行分类得到节点的分类标签。
全文数据:
权利要求:
百度查询: 西安交通大学 一种基于图信息激励理论的新型图神经网络架构
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。