-
公开(公告)号：CN111340187B
公开(公告)日：2024-02-02
申请号：CN202010100316.3
申请日：2020-02-18
Applicant: 河北工业大学
IPC: G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/0475 , G06N3/094
Abstract: 本发明为基于对抗注意力机制的网络表征方法，该方法包括双映射函数的模型，第一个映射函数为将真实数据的节点属性信息以及网络拓扑信息通过图注意力网络为不同节点对分配不同的权重，将原始网络映射到低维空间得到更精确地真实数据的低维表达；第二个映射函数为通过将得到的真实数据的低维表达与扰动结合得到噪声，输入到生成器中映射成为噪声的节点属性信息以及网络拓扑信息；再将两个函数作为两个元组输入到判别器中进行判别，通过判别器给出的结果进行生成器以及编码器的优化，最终得到鲁棒性好以及能够完整保存原始网络信息的低维表达。该方法采用图注意力网络进行网络表征，考虑不同节点之间的相关程度，更加贴近现实情况，效果更好。
-
公开(公告)号：CN112148931A
公开(公告)日：2020-12-29
申请号：CN202011045034.4
申请日：2020-09-29
Applicant: 河北工业大学
IPC: G06F16/901 , G06F16/906 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种用于高阶异构图分类的元路径学习方法，包括以下步骤：步骤1、在多通道模式下构建多条元路径，得到第L层的邻接矩阵A(L)；步骤2、对元路径进行信息补全，得到邻接矩阵A(L2)；步骤3、将邻接矩阵A(L2)的每个通道分别进行GCN聚类运算得到优化目标Z，以此完成整个元路径的学习。本方法能够学习出潜在的元路径信息，也就是把原本比较零散短小的元路径数据，经过模型的学习得到信息丰富、路径更长的元路径；在得到中间邻接矩阵后，在中间邻接矩阵的每一片上进行分类运算，使得分类结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN112884045B
公开(公告)日：2022-12-20
申请号：CN202110208919.X
申请日：2021-02-25
Applicant: 河北工业大学
Abstract: 本发明为基于多视角的随机删边嵌入模型的分类方法，该分类方法从两个视角分别是一阶邻居的编码和图扩散分布的各自的特殊通道和他们两个共享权重通道对其进行随机删边操作求和分别做KL散度，两个独特通道和共享权重通道再结合图注意力自适应权重嵌入可以实现最佳性能。基于随机删除边的思想对邻接矩阵和图扩散进行了节点增强，防止过拟合和过平滑增强模型的深度和嵌入能力，提高分类效果及分类速度。
-
公开(公告)号：CN112148931B
公开(公告)日：2022-11-04
申请号：CN202011045034.4
申请日：2020-09-29
Applicant: 河北工业大学
Abstract: 本发明公开了一种用于高阶异构图分类的元路径学习方法，包括以下步骤：步骤1、在多通道模式下构建多条元路径，得到第L层的邻接矩阵A(L)；步骤2、对元路径进行信息补全，得到邻接矩阵A(L2)；步骤3、将邻接矩阵A(L2)的每个通道分别进行GCN聚类运算得到优化目标Z，以此完成整个元路径的学习。本方法能够学习出潜在的元路径信息，也就是把原本比较零散短小的元路径数据，经过模型的学习得到信息丰富、路径更长的元路径；在得到中间邻接矩阵后，在中间邻接矩阵的每一片上进行分类运算，使得分类结果更加准确。
-
公开(公告)号：CN111340187A
公开(公告)日：2020-06-26
申请号：CN202010100316.3
申请日：2020-02-18
Applicant: 河北工业大学
Abstract: 本发明为基于对抗注意力机制的网络表征方法，该方法包括双映射函数的模型，第一个映射函数为将真实数据的节点属性信息以及网络拓扑信息通过图注意力网络为不同节点对分配不同的权重，将原始网络映射到低维空间得到更精确地真实数据的低维表达；第二个映射函数为通过将得到的真实数据的低维表达与扰动结合得到噪声，输入到生成器中映射成为噪声的节点属性信息以及网络拓扑信息；再将两个函数作为两个元组输入到判别器中进行判别，通过判别器给出的结果进行生成器以及编码器的优化，最终得到鲁棒性好以及能够完整保存原始网络信息的低维表达。该方法采用图注意力网络进行网络表征，考虑不同节点之间的相关程度，更加贴近现实情况，效果更好。
-
公开(公告)号：CN110851735A
公开(公告)日：2020-02-28
申请号：CN201911095305.4
申请日：2019-11-11
Applicant: 河北工业大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明为一种基于重启随机游走的多策略局部社区发现方法，该方法的步骤是：第一步，通过回溯法确定给定节点所在的局部最大团结构，并将局部最大团结构中度数最大的节点作为起始节点；第二步，通过重启随机游走算法得到起始节点向社区中其他节点的跳转概率值，并按照跳转概率值从大到小将对应的节点编号排序；第三步，将起始节点加入局部社区中，并依次向局部社区中选择性加入通过步骤二排序之后的节点，通过图传导性值的变化判断是否将新节点加入到局部社区结构中；而当加入节点候选集合中的任一节点均不能使局部社区的图传导性值变小时，算法终止，当前社区即为最优的局部社区结构。该方法有效提高了局部社区发现的召回率及精度。
-
公开(公告)号：CN112884045A
公开(公告)日：2021-06-01
申请号：CN202110208919.X
申请日：2021-02-25
Applicant: 河北工业大学
Abstract: 本发明为基于多视角的随机删边嵌入模型的分类方法，该分类方法从两个视角分别是一阶邻居的编码和图扩散分布的各自的特殊通道和他们两个共享权重通道对其进行随机删边操作求和分别做KL散度，两个独特通道和共享权重通道再结合图注意力自适应权重嵌入可以实现最佳性能。基于随机删除边的思想对邻接矩阵和图扩散进行了节点增强，防止过拟合和过平滑增强模型的深度和嵌入能力，提高分类效果及分类速度。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
