-
公开(公告)号:CN116246698A
公开(公告)日:2023-06-09
申请号:CN202211090606.X
申请日:2022-09-07
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G16B20/00 , G16B40/00 , G06F40/30 , G06N3/0464
Abstract: 本发明公开了一种基于神经网络的信息提取方法、装置、设备及存储介质,属于生物信息技术领域,该方法包括:本发明从预先获得的metapath实例中提取语义信息;基于注意力聚合机制对所述语义信息进行编码,获得语义注意力系数,基于所述语义注意力系数聚合邻居节点;通过非线性神经网络对所述语义信息进行学习,获得二次语义信息,将二次语义信息聚合至所述邻居节点中,获得节点嵌入;通过非线性神经网络融合多个metapath下的所述节点嵌入,获得最终节点表示。如此通过非线性神经网络二次提取metapath实例中的语义信息,充分利用了各个节点的语义信息,提升了信息提取的效果。
-
公开(公告)号:CN114141375A
公开(公告)日:2022-03-04
申请号:CN202111504144.7
申请日:2021-12-10
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种异质图表示方法、异质图表示设备、移动设备及存储介质,该方法包括:基于元路径将同一向量空间的异构图转化为同构图,各个同构图的节点类型与其源节点相同;对所述同构图的每个节点的子图进行分解,获得多个因子图;采用双注意力机制对所述多个因子图进行邻居信息聚合,并拼接聚合后的特征信息,获得元路径的节点特征向量;对不同元路径的节点特征向量进行融合,获得异构图节点的节点嵌入。由此,将异构图转化为同构图后,对节点的子图进行分解获得大量的因子图,并通过双注意力机制对因子图进行邻居信息聚合,以获得该异构图的节点嵌入,进而得到了异构图全面、准确的信息,提高了机器学习中基于少量数据的信息提取的准确性和全面性。
-