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：杭州电子科技大学
摘要：本发明公开了一种基于图变换器的异质图表示学习方法，该方法首先通过网络数据获取不同类型的实体之间的关系，并建模成异质图，将异质图中的目标节点的一阶邻居输入节点序列中，直到满足预先定义的长度。其次使用线性变换将异质图中所有不同类型的节点映射到一个公共的向量空间，使用图卷积神经网络GCN，学习每个节点在第l层中的初步节点表示。然后基于初步节点表示，通过图变换器Transformer，获得包含类型信息的最终节点表示。最后将最终节点表示用于节点分类任务，通过损失来优化权重，学习到优化后的节点表示。本发明能学习到精确的异质图表示，从而应用于下游任务。
主权项：1.一种基于图变换器的异质图表示学习方法，其特征在于，包括以下步骤：S1、通过网络数据获取不同类型的实体之间的关系，将关系用节点-边-节点表示，并建模成异质图；S2、将异质图中的目标节点的一阶邻居输入节点序列S中，直到S满足预先定义的长度；S3、使用线性变换，将异质图中所有不同类型的节点映射到一个公共的向量空间；S4、在向量空间中，使用图卷积神经网络GCN，学习每个节点在第l层中的初步节点表示；S5、基于初步节点表示，通过图变换器Transformer，获得包含类型信息的最终节点表示；S6、得到最终节点表示后，用于节点分类任务，通过使用反向传播和梯度下降最小化交叉熵损失优化权重，学习到优化后的节点表示。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 一种基于图变换器的异质图表示学习方法
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