公开(公告)号：CN116108897A

公开(公告)日：2023-05-12

申请号：CN202310128343.5

申请日：2023-02-17

Applicant: 浙江农林大学

Inventor： 李剑 ,  楼晓俊 ,  刘哲 ,  冯海林

IPC: G06N3/048 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明公开了一种基于异质信息网络的数据增强和自适应降噪方法及系统，一种基于异质信息网络的数据增强和自适应降噪方法，先对原始结构进行学习，根据学习到的节点联系程度高低来为数据集增加边集，从而达到数据增强的效果，然后根据节点特征和自适应的学习参数，来调整节点的系数，从而起到降噪的效果。系统包括：数据增强模块；图注意力网络模块；自适应降噪模块。与传统的现有方法相比，本发明方法不会受限制于原始数据集，并且不需要构造元路径或者元图来帮助学习结构，本发明方法可以学习出异质信息网络中的“隐性”联系，并将这些联系增加到数据集当中，增加节点之间的联系，弥补了数据集中数据关系不足的缺点。

公开(公告)号：CN116341626A

公开(公告)日：2023-06-27

申请号：CN202310128342.0

申请日：2023-02-17

Applicant: 浙江农林大学

Inventor： 李剑 ,  范胜杭 ,  刘哲 ,  冯海林

IPC: G06N3/048 ,  G06N3/047 ,  G06N3/0895

Abstract: 本发明公开了一种属性增强的异质图注意力网络表示学习方法，包括：1)：选出与目标节点结构最相似的top‑k个高阶同质节点；2)：获得节点特征的投影；3)：聚合节点级特征；步骤4)：聚合类型级特征；步骤5)：重复步骤2至步骤4多次，得到最终的目标节点表示；步骤6)：根据不同的下游任务设定相应的损失函数，将步骤5获得的最终的目标节点表示带入到损失函数来中进行模型训练并进行预测。本发明方法可以在链路预测、节点分类、节点聚类以及推荐的任务上取得很好的效果。