申请/专利权人：中山大学

申请日：2021-03-17

公开（公告）日：2023-08-18

公开（公告）号：CN113111224B

主分类号：G06F16/901

分类号：G06F16/901;G06F16/906;G06F16/34;G06N3/042

优先权：

专利状态码：有效-授权

法律状态：2023.08.18#授权;2021.07.30#实质审查的生效;2021.07.13#公开

摘要：本发明提供一种基于拓扑感知文本表征的网络嵌入学习方法，该方法利用结点的局部拓扑结构信息，自适应地生成拓扑感知滤波器，并用于文本表征的学习，从而得到拓扑感知的文本表征，更有效地将拓扑结构信息融入到文本表征的挖掘中；此外，本方法可以与现有的基于上下文感知的网络嵌入模型相结合，适用面更广，并且在链接预测、结点分类任务上取得了性能提升，体现了本方法学习到的网络结点表征的有效性。

主权项：1.一种基于拓扑感知文本表征的网络嵌入学习方法，其特征在于，包括以下步骤：S1：使用图神经网络提取文本网络中结点的局部拓扑结构信息，获取所有结点的拓扑结构表征；S2：将S1得到的结点的拓扑结构表征输入到滤波器生成模块，生成拓扑感知的滤波器，并将得到的拓扑感知滤波器和文本输入到卷积神经网络模块中，生成拓扑感知的文本表征；S3：通过已有的网络嵌入模型获取上下文感知的文本表征，与S2中得到的拓扑感知的文本表征结合起来，得到网络结点最终的文本表征；将拓扑结构表征和文本表征结合起来，得到最终的网络结点表征；所述步骤S1的具体过程包括：首先为网络中的每个结点随机初始化一个拓扑结构表征，结点的初始结构表征用表示，根据输入的网络的邻接矩阵，从结点的所有邻居结点中随机采样出多跳邻居，每一跳的邻居数量是固定的，对结点采样跳的邻居后，获得关于结点的局部拓扑图；所述步骤S1的具体过程还包括：采样得到结点的局部拓扑图后，再利用图神经网络一层一层地由外往内学习结点的结构表征，如公式（1）（2）： 其中，是图神经网络的参数；表示第个结点在层的邻居；用于将所有邻居结点的向量表征聚集起来，构成一个矩阵；是激活函数；所述步骤S1的具体过程还包括：经过层后得到结点的局部拓扑结构表征，如公式（3）所示： （3）；所述步骤S2的具体过程包括：将步骤S1得到的拓扑结构表征输入到一个滤波器生成模块，生成拓扑感知的滤波器，如公式（4）： （4）其中，表示反卷积神经网络；所述步骤S2的具体过程还包括：将输入文本和拓扑感知滤波器一起输入到卷积神经网络中，并通过非线性变换得到基于局部拓扑结构信息的文本表征，称为拓扑感知的文本表征，如公式（5）（6）： 其中，是卷积神经网络，b是卷积层中的偏置项；是非线性激活函数；代表平均池化操作；所述步骤S3的具体过程包括：将文本输入到已有的上下文感知的网络嵌入模型中，获取上下文本感知的文本表征；所述步骤S3的具体过程还包括：将上下文本感知的文本表征与步骤S2中得到的拓扑感知的文本表征进行线性加权，得到网络结点最终的文本表征，如公式（7）： （7）其中，是模型的一个参数；所述步骤S3的具体过程还包括：将步骤S1得到的拓扑结构表征和步骤S3得到的文本表征拼接起来，获取最终的网络结点表征，如公式（8）： （8）。

全文数据：

权利要求：

百度查询： 中山大学 一种基于拓扑感知文本表征的网络嵌入学习方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD