← 返回列表
一种应用于图结构数据聚类的局部信息保留深度对比聚类方法
申请人信息
- 申请人:江苏大学
- 申请人地址:212013 江苏省镇江市京口区学府路301号
- 发明人: 江苏大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种应用于图结构数据聚类的局部信息保留深度对比聚类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410119592.2 |
| 申请日 | 2024/1/29 |
| 公告号 | CN117710716A |
| 公开日 | 2024/3/15 |
| IPC主分类号 | G06V10/762 |
| 权利人 | 江苏大学 |
| 发明人 | 陆虎; 洪浩天 |
| 地址 | 江苏省镇江市京口区学府路301号 |
摘要文本
本发明公开了一种应用于图结构数据聚类的局部信息保留深度对比聚类方法，属于人工智能技术领域。包括以下模块：基于重构方式训练的可学习数据增强模块、高置信度的采样模块、图对比聚类模块。与现有技术相比，本发明针对图结构数据设计了一种保留局部信息的图数据增强方法，通过两个非共享参数的图自编码器来生成学习不同语义信息的嵌入，之后用它们来进行边采样，生成两个视图用来传入到图对比模型。同时，本发明针对正负样本的采集设计了一套筛选机制，以确保同类的样本嵌入具备更高的语义相似度；相比传统的聚类算法，能充分的发掘图的结构信息和特征信息，具有更高的聚类精度。
专利主权项内容
1.一种应用于图结构数据聚类的局部信息保留深度对比聚类方法，其特征在于，包括依次连接的基于重构方式训练的可学习数据增强模块、图对比聚类模块、高置信度的采样模块；所述基于重构方式训练的可学习数据增强模块使用神经网络根据不同的数据集动态地生成两个视图，它们之间共享充足的互信息用于下游的聚类任务；所述图对比聚类模块负责将经过数据增强的样本输入模型的两个分支进行特征提取，拉近正样本特征的距离，拉远负样本的特征的距离，之后进行聚类；所述高置信度的采样模块负责筛选出部分置信度较高而且具备了充足结构信息的正负样本，来提升图对比聚类模块提取有辨别性特征的能力，从而得到一个更好的图聚类结果。