龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：天津大学
摘要：本发明公开了一种基于引文网络信息的分阶段图表示学习方法，设计一种明确的分阶段预训练策略，分别对邻域集合进行子图级相似性和节点级相似性进行对比学习；在第一阶段，该模型利用子图对比的方法，在多个不同领域的数据集上进行预训练，从而获取通用的结构特征；在第二阶段，该模型利用节点级对比的方法，在两个损坏视图上进行微调，根据设计的目标函数优化节点级邻域相似性；最后得到原始图数据的嵌入向量矩阵，输入分类器实现引文分类到相似的论文主题。与现有技术相比，本发明通过节点级对比学习节点的邻域相似性；提高了在节点分类任务中的准确度；实现了无监督的图表示学习方法。
主权项：1.一种基于引文信息的分阶段图表示学习方法，其特征在于，包括：步骤1，以输入图中的任意节点作为中心节点v获取扩展的引文信息子图r-centersubgraph，所述输入图为关于引文信息的图结构数据集，r-centersubgraph的形式化定义为图G；步骤2，由任意两个引文信息子图进行数据增强生成两组增强子图及对应的子图嵌入向量，构成一个相似实例对且作为样本，通过迭代的图采样过程获得其它相似实例，利用所有相似实例对进行预训练，通过最大化子图级对比目标函数L1使得预训练模型识别出子图级对比学习节点的结构相似性，得到子图级对比学习模型训练好的引文网络嵌入向量；步骤3，根据输入图生成两个损坏图视图与选择任意节点及其在另一个视图中的对应节点作为样本，使用图编码器获得抽样图的节点嵌入向量U和抽样的节点嵌入向量V，利用节点嵌入向量进行预训练，通过最大化节点级对比目标函数lui,vi使得预训练模型识别出节点级对比学习节点的结构相似性，得到节点级对比学习模型训练好的引文网络嵌入向量；步骤4，使用分类器依据步骤2和步骤3训练好的引文网络嵌入向量将引文分类到相似的论文主题。
全文数据：
权利要求：
百度查询： 天津大学 基于引文信息的分阶段图表示学习方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号