[发明专利]基于N边DFS子图轻量级无监督图表示学习的社交媒体数据分类方法及装置有效
| 申请号： | 201910631146.9 | 申请日： | 2019-07-12 |
| 公开（公告）号： | CN110502669B | 公开（公告）日： | 2022-06-03 |
| 发明（设计）人： | 刘琰;冯昊;周资乔;陈静;刘楝;赵艺;张琦 | 申请（专利权）人： | 中国人民解放军战略支援部队信息工程大学 |
| 主分类号： | G06F16/901 | 分类号： | G06F16/901;G06N3/08;G06K9/62 |
| 代理公司： | 郑州大通专利商标代理有限公司 41111 | 代理人： | 张立强 |
| 地址： | 450000 河*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于图形处理技术领域，公开一种基于N边DFS子图轻量级无监督图表示学习的社交媒体数据分类方法及装置，该方法包括：步骤1：在图集各图中分别遍历N边DFS子图结构，对各图的N边DFS子图进行抽取；步骤2：对抽取的N边DFS子图进行汇集，构成各图的子图集；步骤3：将所述子图集输入到神经网络模型中进行训练，得到各图的向量表示；该装置包括：子图抽取模块；子图汇集模块；图向量表示模块。本发明可适用于规模较大的图数据集，可以较全面地抽取子图结构。 | ||
| 搜索关键词： | 基于 dfs 轻量级 监督 图表 学习 社交 媒体 数据 分类 方法 装置 | ||
【主权项】：
1.一种基于N边DFS子图的轻量级无监督图表示学习方法，其特征在于，包括：/n步骤1：在图集各图中分别遍历N边DFS子图结构，对各图的N边DFS子图进行抽取；/n步骤2：对抽取的N边DFS子图进行汇集，构成各图的子图集；/n步骤3：将所述子图集输入到神经网络模型中进行训练，得到各图的向量表示。/n
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中国人民解放军战略支援部队信息工程大学，未经中国人民解放军战略支援部队信息工程大学许可，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/201910631146.9/，转载请声明来源钻瓜专利网。
