公开(公告)号：CN114611668A

公开(公告)日：2022-06-10

申请号：CN202210230949.5

申请日：2022-03-10

Applicant: 浙江农林大学

Inventor： 楼晓俊 ,  李剑 ,  张天荣 ,  冯海林

IPC: G06N3/04

Abstract: 本发明公开了一种基于异质信息网络随机游走的向量表示学习方法及系统，包括：多次随机游走获得多个元路径实例，挑选k条元路径实例；对k条的元路径实例中包含的节点进行维度统一，获得该节点的特征向量表示；输入到bi LSTM网络，学习到元路径实例的向量表示；输入注意力层，先学习到每一条元路径实例对于节点的影响因子，然后通过注意力机制将影响因子和元路径实例的向量进行聚合，得到节点的嵌入向量表示；将节点的嵌入向量，输入到损失函数中，得到损失值，通过优化器多次优化，得到最终的节点向量。本发明可以在链路预测、节点分类、节点聚类以及推荐的任务上取得很好的效果。

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。