← 返回列表
基于三元互信息图对比学习的网络节点分类算法
摘要文本
本发明公开了一种基于三元互信息图对比学习的网络节点分类算法，涉及数据挖掘技术领域，包括：对目标图数据集进行两次数据增强，获得视图通过共享权重的GNN编码器将编码得到特征表示H1, H2；通过共享权重的映射头h(·)将H1, H2的非线性变化映射到指定特征空间表示Z1, Z2；通过共享权重的解码器d(·)解码Z1, Z2得到D1, D2；通过引入视图之间和视图与原图之间的互信息的计算，以最大化三元互信息，从而更好地区分有用的信息和对任务无益的信息，获得更具实用性的表示，并且能够更好地应用于下游任务，减轻了过拟合，提高了模型的泛化能力，使模型性能指标显著提高。
申请人信息
- 申请人:成都理工大学
- 申请人地址:610000 四川省成都市成华区二仙桥东三路1号
- 发明人: 成都理工大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于三元互信息图对比学习的网络节点分类算法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311595277.9 |
| 申请日 | 2023/11/24 |
| 公告号 | CN117633699A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G06F18/2451 |
| 权利人 | 成都理工大学 |
| 发明人 | 李旭; 蔡彪; 唐小川 |
| 地址 | 四川省成都市二仙桥东三路1号 |
专利主权项内容
1.一种基于三元互信息图对比学习的网络节点分类算法，其特征在于，包括以下步骤：S1、确定目标图数据集对目标图数据集/>进行两次数据增强，获得视图其中，/>为节点集，N为节点数，ε＝{e，e，…e}为边集，M为边数；12MS2、通过共享权重的GNN编码器f(·，·)，将视图编码得到下游任务需要的特征表示H，H；12S3、通过共享权重的映射头h(·)，将特征表示H，H的非线性变化映射到指定特征空间表示Z，Z；1212S4、通过共享权重的解码器d(·)解码指定特征空间表示Z，Z，得到D，D；1212S5、计算指定特征空间表示Z，Z之间的对比损失再分别计算D，D与原图节点特征矩阵X的对比损失/>F是特征维度；1212S6、根据对比损失和对比损失/>计算整体损失l，通过最小化损失更新GNN编码器f(·，·)的模型参数，完成本轮训练迭代；S7、判断是否完成训练迭代次数，若是，则跳转至步骤S8，否则返回至步骤S2；S8、将目标图数据集输入到训练好的GNN编码器f(·，·)中，输出得到结果表示H；S9、对得到的结果表示H进行分类。