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

Inventor： 焦鹏飞 ,  鲁逸凡 ,  刘欢 ,  高梦州

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。

公开(公告)号：CN119539098A

公开(公告)日：2025-02-28

申请号：CN202411536761.9

申请日：2024-10-31

Applicant: 杭州电子科技大学

Inventor： 焦鹏飞 ,  鲁逸凡 ,  郭翾 ,  高梦州 ,  吴华明

IPC: G06N5/045

Abstract: 本发明公开了一种具有自适应信息约束的鲁棒异构图神经网络解释方法，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，将关系用节点‑边‑节点表示，并建模成图。其次使用变分图自编码器获得图的图表示。最后使用基于关系的解释生成器，捕获图表示中的异质语义，生成对预测的解释子图。本发明使用变分推断来获得鲁棒的图表示，减轻噪声影响的同时提升模型的泛化能力，可以捕获异构图中的复杂语义。