← 返回列表
基于自监督图注意力网络的人员群体预测方法及装置
申请人信息
- 申请人:广州大学
- 申请人地址:510006 广东省广州市番禺区大学城外环西路230号
- 发明人: 广州大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于自监督图注意力网络的人员群体预测方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311176803.8 |
| 申请日 | 2023/9/13 |
| 公告号 | CN117435935A |
| 公开日 | 2024/1/23 |
| IPC主分类号 | G06F18/23 |
| 权利人 | 广州大学 |
| 发明人 | 李树栋; 陈昭阳; 韩伟红; 吴晓波; 黄小慧; 黄兹勤; 李雪斌; 杨鹏伟; 唐可可; 张登辉 |
| 地址 | 广东省广州市大学城外环西路230号 |
摘要文本
广州大学获取“一种透气窗帘布”专利技术，本发明公开了一种基于自监督图注意力网络的人员群体预测方法及装置，包括：构建属性图，将属性图输入到改进的GAT模型，得到人员嵌入；将所述属性图中的属性经过拉普拉斯平滑滤波器过滤，对齐改进的GAT模型输出的嵌入特征维度，由此作为改进的GAT模型输出嵌入的监督嵌入；随机遮盖人员嵌入，预测结果计算损失并通过自监督训练模型；利用新的数据得到新人员的嵌入并利用训练好的GAT模型聚类划分人员群体，计算、聚合相似度获得人员群体预测结果。本发明以改进的GAT模型构建人员群体预测模型获得新节点的嵌入，使用拉普拉斯滤波器过滤后的属性矩阵作为监督嵌入，通过随机遮盖已有嵌入来训练改进的GAT模型，从而提高了人员群体预测方法的通用性和泛化性。
专利主权项内容
1.基于自监督图注意力网络的人员群体预测方法，其特征在于，包括下述步骤：构建属性图，将所述属性图输入到改进的GAT模型，得到人员嵌入；将所述属性图中的属性向量经过拉普拉斯平滑滤波器过滤，然后将过滤后的每个节点的属性向量使用主成分分析PCA降维后对齐改进的GAT模型输出的特征维度，由此作为改进的GAT模型的监督嵌入；随机遮盖人员嵌入，通过改进的GAT模型预测被遮盖的人员嵌入，并计算被遮盖的人员嵌入和监督嵌入的损失，进行自监督学习，得到训练完成后的改进的GAT模型；所述属性图以人员作为节点，人员关系网络作为结构特征、推文内容作为节点属性特征；利用新的人员通过自身及其推文内容与已有的人员关系网络，聚合邻居节点的嵌入，得到新人员的嵌入；利用训练好的改进的GAT模型将已有人员进行嵌入并聚类，得到群体划分，计算新人员的嵌入与其他人员嵌入的相似度，聚合同一群体的相似度，将新人员划分到相似度最高的群体，获取人员群体预测结果。