[发明专利]基于节点签名的保留标签信息的异质网络嵌入方法在审
| 申请号： | 201910811802.3 | 申请日： | 2019-08-30 |
| 公开（公告）号： | CN110555139A | 公开（公告）日： | 2019-12-10 |
| 发明（设计）人： | 宋春瑶;郭佳雯;袁晓洁 | 申请（专利权）人： | 南开大学 |
| 主分类号： | G06F16/901 | 分类号： | G06F16/901 |
| 代理公司： | 12223 天津耀达律师事务所 | 代理人： | 侯力 |
| 地址： | 300071*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于节点签名的保留标签信息的异质网络嵌入方法。网络嵌入是将高维的图数据映射到低维向量，以解决高维图数据无法有效利用机器学习算法进行数据分析的一种方法。本发明方法具体包括：对网络中所有标签类型进行质数字典映射；提取网络节点的邻域标签集；构建节点签名向量；构建网络节点表示。本发明旨在综合利用异质图的网络结构、语义和标签信息，以数字签名的思想和质数的特性，构建异质图的网络表示学习框架，实现异质图上网络节点和边标签信息的保留，并根据学习到的异质网络节点表示进行后续节点聚类、分类、链路预测等机器学习任务，能够普适性地对现有同质及异质网络嵌入方法进行扩展和提升。 | ||
| 搜索关键词： | 标签信息 异质网络 构建 异质 嵌入 网络节点 图数据 映射 高维 质数 机器学习算法 上网络节点 语义 标签类型 后续节点 机器学习 链路预测 签名向量 数据分析 网络表示 网络结构 保留 低维 聚类 邻域 同质 向量 字典 网络 标签 学习 分类 | ||
【主权项】：
1.一种基于节点签名的保留标签信息的异质网络嵌入方法，该方法以数字签名的思想为基础，构建出的节点签名向量可以在使用现有同质或异质网络嵌入方法保留图拓扑结构信息的基础上进行普适性地扩展和提升，保留原始图上点和边的标签信息，达到提升下游各项通用机器学习任务的准确度的目的，同时对独立边标签信息的保留提升了异质网络嵌入中边标签的灵活度，能够适应边标签分类的特殊需求；具体步骤如下：/n第1、对网络中所有的标签类型进行质数字典映射；/n第1.1、确定网络中所有的节点标签和边标签类型；/n第1.2、根据标签类型建立质数映射字典；/n第2、提取网络节点的邻域标签集；/n第2.1、确定节点的邻域集合；/n第2.2、根据质数映射字典确定节点的邻域标签集合；/n第3、构建节点签名向量；/n第3.1、根据节点的邻域标签集计算节点签名；/n第3.2、根据单维签名上限对溢出部分进行维度划分；/n第3.3、根据最长维度对多维节点签名进行维度补齐；/n第3.4、根据签名维度要求进行签名向量降维；/n第3.5、对降维后的签名向量进行标准化处理；/n第4、根据维度要求和选定基础方法构建网络节点最终向量表示；/n第4.1、根据节点表示的总维度和签名占比要求生成指定维度的节点基础向量；/n第4.2、融合基础向量和签名向量构建网络节点最终向量表示。/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南开大学，未经南开大学许可，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/201910811802.3/，转载请声明来源钻瓜专利网。
