一种基于图神经网络分层损失函数的网络嵌入预训练方法
公开
摘要
本发明公开了一种基于图神经网络分层损失函数的网络嵌入预训练方法。该方法包括：将网络表示为图，网络嵌入用于学习低维表示，并且学习一组共享权重矩阵用于聚合来自节点邻居的信息；针对输入图，构建一组步行序列S，其中每个序列s∈S包含一组节点{v1,…,v|s|}；针对所构建的步行序列，基于滑动窗口内共同出现的节点构造单位图，该单位图基于每个目标节点与一跳和两跳邻居的接近度生成；利用所生成的单位图，以设计的分层损失最小化为优化目标训练图神经网络模型。本发明结合具有有效分层损失的图形注意网络，能够保留目标节点与其邻居之间的边距，显著提升了模型性能。
基本信息
专利标题 ：
一种基于图神经网络分层损失函数的网络嵌入预训练方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114596473A
申请号 ：
CN202210174674.8
公开（公告）日 ：
2022-06-07
申请日 ：
2022-02-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈俊扬伍楷舜戴志江巩志国
申请人 ：
深圳大学
申请人地址 ：
广东省深圳市南山区南海大道3688号
代理机构 ：
北京市诚辉律师事务所
代理人 ：
耿慧敏
优先权 ：
CN202210174674.8
主分类号 ：
G06V10/774
IPC分类号 ：
G06V10/774 G06K9/62 G06N3/04 G06N3/08
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
