[发明专利]一种基于自编码神经网络的符号图节点分类方法在审
| 申请号： | 201810044169.5 | 申请日： | 2018-01-17 |
| 公开（公告）号： | CN108345901A | 公开（公告）日： | 2018-07-31 |
| 发明（设计）人： | 向阳;袁书寒 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06K9/48;G06Q50/00 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 宣慧兰 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于自编码神经网络的符号图节点分类方法，该方法包括如下步骤：S1、基于符号图结构构建邻接矩阵；S2、基于自编码模型学习符号图节点的表示向量，使得由正边连接的两个节点的表示向量相近，而由负边连接的两个节点的表示向量远离；S3、在得到节点表示向量的基础上，利用少量有类型标签的节点训练分类器；S4、利用已经训练后的分类器预测未知节点的类型，输出节点类型，进而根据节点类型分类。与现有技术相比，本发明具有计算复杂度低、需要的训练数据较少、不需要重新训练新增节点等优点。 | ||
| 搜索关键词： | 符号图 向量 自编码 节点分类 神经网络 计算复杂度 训练分类器 节点类型 结构构建 邻接矩阵 模型学习 输出节点 未知节点 训练数据 分类器 正边 标签 分类 预测 | ||
【主权项】：
1.一种基于自编码神经网络的符号图节点分类方法，其特征在于，该方法包括如下步骤：S1、基于符号图结构构建邻接矩阵；S2、基于自编码模型学习符号图节点的表示向量，使得由正边连接的两个节点的表示向量相近，而由负边连接的两个节点的表示向量远离；S3、在得到节点表示向量的基础上，利用少量有类型标签的节点训练分类器；S4、利用已经训练后的分类器预测未知节点的类型，输出节点类型，进而根据节点类型分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于同济大学，未经同济大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810044169.5/，转载请声明来源钻瓜专利网。
