一种基于异质信息网络随机游走的向量表示学习方法及系统
公开
摘要
本发明公开了一种基于异质信息网络随机游走的向量表示学习方法及系统，包括：多次随机游走获得多个元路径实例，挑选k条元路径实例；对k条的元路径实例中包含的节点进行维度统一，获得该节点的特征向量表示；输入到bi LSTM网络，学习到元路径实例的向量表示；输入注意力层，先学习到每一条元路径实例对于节点的影响因子，然后通过注意力机制将影响因子和元路径实例的向量进行聚合，得到节点的嵌入向量表示；将节点的嵌入向量，输入到损失函数中，得到损失值，通过优化器多次优化，得到最终的节点向量。本发明可以在链路预测、节点分类、节点聚类以及推荐的任务上取得很好的效果。
基本信息
专利标题 ：
一种基于异质信息网络随机游走的向量表示学习方法及系统
专利标题（英）：
暂无
公开（公告）号 ：
CN114611668A
申请号 ：
CN202210230949.5
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-10
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
楼晓俊李剑张天荣冯海林
申请人 ：
浙江农林大学
申请人地址 ：
浙江省杭州市临安区武肃街666号
代理机构 ：
杭州求是专利事务所有限公司
代理人 ：
陈升华
优先权 ：
CN202210230949.5
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-10 ：
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
