申请/专利权人:复旦大学
申请日:2020-08-28
公开(公告)日:2020-11-24
公开(公告)号:CN111985623A
主分类号:G06N3/04(20060101)
分类号:G06N3/04(20060101);G06N3/08(20060101);G06K9/62(20060101);G06F16/906(20190101)
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2023.10.27#发明专利申请公布后的驳回;2020.12.11#实质审查的生效;2020.11.24#公开
摘要:本发明提供了基于最大化互信息和图神经网络的属性图群组发现方法,其特征在于,包括步骤:利用预先训练好的图神经网络对待处理矩阵进行表征学习得到初步节点表征,并对待处理属性图进行互信息计算得到全局互信息值;利用软聚类将初步节点表征划分到多个群组的中心得到分配矩阵;根据分配矩阵对原始群组进行模块度以及待处理属性图内的互信息计算得到模块度值以及群组互信息;根据模块度值、群组互信息以及全局互信息值计算总损失,并根据该总损失通过梯度回传对图神经网络进行迭代更新直到得到群组发现结果。本方法可以实现端到端的更新图神经网络不需要分步实现,并且能更好地捕捉节点属性关系,得到准确性更高的群组发现结果。
主权项:1.一种基于最大化互信息和图神经网络的属性图群组发现方法,用于对待处理属性图中的各个节点进行群组发现得到包含所有节点对应群组的群组发现结果,其特征在于,包括如下步骤:步骤S1,获取所述待处理属性图中各个所述节点的节点信息,并将所有所述节点信息进行处理得到包含邻接矩阵和属性矩阵的待处理矩阵;步骤S2,利用预先训练好的图神经网络对所述待处理矩阵进行表征学习得到初步节点表征,并对所述待处理属性图进行互信息计算得到全局互信息值;步骤S3,利用软聚类将所述初步节点表征划分到多个群组的中心得到分配矩阵;步骤S4,根据所述分配矩阵对所述原始群组进行模块度以及所述待处理属性图内的互信息计算得到模块度值以及群组互信息;步骤S5,根据所述模块度值、所述群组互信息以及所述全局互信息值计算总损失,并根据该总损失通过梯度回传对所述图神经网络进行迭代更新直到得到所述群组发现结果。
全文数据:
权利要求:
百度查询: 复旦大学 基于最大化互信息和图神经网络的属性图群组发现方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。