申请/专利权人：重庆邮电大学

申请日：2024-02-05

公开（公告）日：2024-04-12

公开（公告）号：CN117875401A

主分类号：G06N3/0895

分类号：G06N3/0895;G06N3/0464;G06N3/045;G06F18/23;G06F18/241;G06N3/042

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明涉及一种基于社区信息的图对比学习模型实现系统及方法，属于机器学习领域。图对比学习模型包括：图编码模块、对比聚类模块和模块度最大化模块；步骤为：建立一个统一的图对比学习模型，明确图对比学习模型的输入；选取公开数据集作为初始数据，通过构建的图对比学习模块对初始图数据进行图编码；通过构建的对比聚类模块，采用在线聚类的思想，不仅在节点层面上进行对比学习，并且同时在聚类层面上也进行对比学习，这两种对比同时进行下可以产生出聚类偏好表示。通过模块度最大化模块来优化社区内部的连接密度和社区之间的连接。解决了图对比学习中容易出现将结构相近的节点作为负样本配对和社区检测上效果不好的问题。

主权项：1.基于社区信息的图对比学习模型实现系统，其特征在于：该系统包括图编码模块、对比聚类模块和模块度最大化模块；所述图编码模块采用图增强作为处理数据的步骤，生成基于局部和基于全局的两个不同的视图；所述对比聚类模块采用权重共享的编码器将不同视图的图数据嵌入到新的低纬空间中；在低纬空间的行空间和列空间中进行节点级和聚类级的对比学习；为防止错误负样本，根据聚类结果为负样本分配权重；所述模块度最大化模块采用模块度最大化来优化节点表示来探索网络中的社区结构，学习网络中的信息。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于社区信息的图对比学习模型实现系统及方法

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