-
公开(公告)号：CN118839719A
公开(公告)日：2024-10-25
申请号：CN202410971256.0
申请日：2024-07-19
Applicant: 杭州电子科技大学
IPC: G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 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。
Search Results
1
records
(took 0.024 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
