申请/专利权人：山西大学

申请日：2022-12-11

公开（公告）日：2024-04-12

公开（公告）号：CN115906946B

主分类号：G06N3/0464

分类号：G06N3/0464;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.04.21#实质审查的生效;2023.04.04#公开

摘要：本发明公开了一种多视图双曲‑双曲图表示学习方法，所述方法基于节点的拓扑关系和节点属性构建两个视图，将邻接矩阵和生成的两个视图输入双曲‑双曲图神经网络，得到三个视图下的节点表示；将三个视图的节点表示通过双曲‑双曲卷积和池化得到不同视图的图嵌入表示，将图嵌入表示拼接输入LorentzMLP得到视图的注意力分数，利用双曲‑双曲的加权表示得到基于多视图的节点嵌入表示。本发明将现有的双曲图神经网络结构和多视图进行了结合，通过将图结构数据嵌入到双曲空间，利用多视图间的一致性信息，得到更准确的节点表示。

主权项：1.一种多视图双曲-双曲图表示学习方法，其特征在于，所述方法还用于蛋白质结构图或分子图的节点分类以及图分类任务；所述方法包括：根据网络拓扑和特征构造两个视图，将节点特征从欧氏空间映射到双曲空间，将双曲节点嵌入表示和三个视图分别输入双曲-双曲图卷积模块；其中，所述双曲-双曲图卷积模块包括：线性变换、邻居聚合和激活层；通过双曲注意力融合模块将三个视图下的双曲节点嵌入映射为统一的双曲节点嵌入，用于下游任务；其中，所述双曲注意力融合模块包括：视图注意力层和嵌入融合层；所述视图注意力层，通过将每个视图的双曲节点嵌入输入池化层得到每个视图的双曲图嵌入，将所述每个视图的双曲图嵌入拼接起来，通过指数映射映射到双曲空间后输入MLP层，得到每个视图的注意力分数；通过所述嵌入融合层，利用上述每个视图的注意力分数将三个视图的双曲节点嵌入加权融合为统一的双曲节点表示；所述多视图分别从拓扑结构和特征信息两个角度进行构造，包括：根据图拓扑结构，利用personalpagerank方法的闭式解构造视图，公式为： 其中D为图的度矩阵，A为图的邻接矩阵，α为参数，In为n阶单位阵；根据节点特征，利用余弦相似度计算节点间的相似性，大于阈值θ的两节点间构建边，公式为： 其中xi和xj分别为节点i和节点j的特征向量。

全文数据：

权利要求：

百度查询： 山西大学 一种多视图双曲-双曲图表示学习方法

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