申请/专利权人:江苏大学
申请日:2024-01-29
公开(公告)日:2024-03-15
公开(公告)号:CN117710716A
主分类号:G06V10/762
分类号:G06V10/762;G06V10/80;G06N3/0455;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本发明公开了一种应用于图结构数据聚类的局部信息保留深度对比聚类方法,属于人工智能技术领域。包括以下模块:基于重构方式训练的可学习数据增强模块、高置信度的采样模块、图对比聚类模块。与现有技术相比,本发明针对图结构数据设计了一种保留局部信息的图数据增强方法,通过两个非共享参数的图自编码器来生成学习不同语义信息的嵌入,之后用它们来进行边采样,生成两个视图用来传入到图对比模型。同时,本发明针对正负样本的采集设计了一套筛选机制,以确保同类的样本嵌入具备更高的语义相似度;相比传统的聚类算法,能充分的发掘图的结构信息和特征信息,具有更高的聚类精度。
主权项:1.一种应用于图结构数据聚类的局部信息保留深度对比聚类方法,其特征在于,包括依次连接的基于重构方式训练的可学习数据增强模块、图对比聚类模块、高置信度的采样模块;所述基于重构方式训练的可学习数据增强模块使用神经网络根据不同的数据集动态地生成两个视图,它们之间共享充足的互信息用于下游的聚类任务;所述图对比聚类模块负责将经过数据增强的样本输入模型的两个分支进行特征提取,拉近正样本特征的距离,拉远负样本的特征的距离,之后进行聚类;所述高置信度的采样模块负责筛选出部分置信度较高而且具备了充足结构信息的正负样本,来提升图对比聚类模块提取有辨别性特征的能力,从而得到一个更好的图聚类结果。
全文数据:
权利要求:
百度查询: 江苏大学 一种应用于图结构数据聚类的局部信息保留深度对比聚类方法
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。