一种基于图池化对比学习的网络分类算法
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 | 一种基于图池化对比学习的网络分类算法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311595271.1 |
| 申请日 | 2023/11/24 |
| 公告号 | CN117648623A |
| 公开日 | 2024/3/5 |
| IPC主分类号 | G06F18/241 |
| 权利人 | 成都理工大学 |
| 发明人 | 胡能兵; 蔡彪; 唐小川 |
| 地址 | 四川省成都市二仙桥东三路1号 |
摘要文本
成都理工大学取得“一种透气窗帘布”专利技术，本发明公开了一种基于图池化对比学习的网络分类算法，涉及数据挖掘技术领域，先利用图注意力机制学习到每个节点相应的注意力分数，根据注意力分数对节点进行重要性排序并对分数较低的节点进行抛弃。将本图所保留的节点作为正样本，将其他图被丢弃的部分节点作为负样本，网络的嵌入表达作为目标节点，然后两两计算相似性分数，进行对比学习。负样本选择选择方法在对比学习中能够保留一定的图间信息，通过将本图的目标节点与正样本和负样本进行对比学习，能够更好地利用图内信息，在网络分类任务中克服了传统节点丢弃池化方法未能充分利用图内和图间信息的缺陷，在相同数据集下的模型训练结果，在各项性能指标上均超过现有技术。
专利主权项内容
1.一种基于图池化对比学习的网络分类算法，其特征在于，包括以下步骤：S1、确定目标图数据集Ω，包含网络是网络G的子网络，其中i∈(1, n)，n为数据集中子网络的数量，初始化目标图数据集Ω的节点特征向量，通过图神经网络传播聚合后获得所有节点及物品的嵌入表示，节点的低维嵌入表示为e；S2、通过节点的低维嵌入表示e计算目标图数据集Ω的注意力分数Z，根据注意力分数Z和池化率K，从网络G中按照注意力分数高低的方式选取出保留的节点集V和丢弃的节点集R，保留节点的个数为网络G中所有节点个数乘以池化率K，中被保留的节点嵌入记为中被丢弃的节点嵌入记为/>GGS3、通过取中节点的低维嵌入表示e每个维度最大值，得到网络级目标嵌入表示/>通过取/>中节点的低维嵌入表示e每个维度平均值，得到网络级目标嵌入表示/>S4、取被保留的节点嵌入中所有节点嵌入表示作为正样本/>S5、在网络G中选取随机选取/>中被丢弃的节点嵌入/>中的节点嵌入表示，作为负样本/>负样本/>数量为正样本/>数量的两倍；S6、利用网络级目标嵌入表示和正样本/>计算余弦相似度，得到第一组网络级目标嵌入的评分/>利用网络级目标嵌入表示/>和负样本/>计算余弦相似度，得到第二组网络级目标嵌入的评分/>S7、根据两组网络级目标嵌入的评分和/>对模型的Loss训练函数进行更新；S8、判断基于图池化对比学习的网络分类模型是否完成目标轮次的迭代训练，若是，则执行步骤S9，否则跳转至步骤S1；S9、保存训练完成的基于图池化对比学习的网络分类模型，用于图数据的分类。