[发明专利]一种基于拓扑感知文本表征的网络嵌入学习方法

权利要求书

1.一种基于拓扑感知文本表征的网络嵌入学习方法，其特征在于，包括以下步骤：

S1：使用图神经网络提取文本网络中结点的局部拓扑结构信息，获取所有结点的拓扑结构表征；

S2：将S1得到的结点的拓扑结构表征输入到滤波器生成模块，生成拓扑感知的滤波器，并将得到的拓扑感知滤波器和文本输入到卷积神经网络模块中，生成拓扑感知的文本表征；

S3：通过已有的网络嵌入模型获取上下文感知的文本表征，与S2中得到的拓扑感知的文本表征结合起来，得到网络结点最终的文本表征；将拓扑结构表征和文本表征结合起来，得到最终的网络结点表征；

所述步骤S1的具体过程包括：

首先为网络中的每个结点随机初始化一个拓扑结构表征，结点的初始结构表征用表示，根据输入的网络的邻接矩阵，从结点的所有邻居结点中随机采样出多跳邻居，每一跳的邻居数量是固定的，对结点采样跳的邻居后，获得关于结点的局部拓扑图；

所述步骤S1的具体过程还包括：

采样得到结点的局部拓扑图后，再利用图神经网络一层一层地由外往内学习结点的结构表征，如公式（1）（2）：

其中， 是图神经网络的参数；表示第个结点在层的邻居；用于将所有邻居结点的向量表征聚集起来，构成一个矩阵； 是激活函数；

所述步骤S1的具体过程还包括：

经过层后得到结点的局部拓扑结构表征，如公式（3）所示：

（3）；

所述步骤S2的具体过程包括：

将步骤S1得到的拓扑结构表征输入到一个滤波器生成模块，生成拓扑感知的滤波器，如公式（4）：

（4）

其中， 表示反卷积神经网络；

所述步骤S2的具体过程还包括：将输入文本和拓扑感知滤波器一起输入到卷积神经网络中，并通过非线性变换得到基于局部拓扑结构信息的文本表征，称为拓扑感知的文本表征，如公式（5）（6）：

其中， 是卷积神经网络，b是卷积层中的偏置项；是非线性激活函数；代表平均池化操作；

所述步骤S3的具体过程包括：

将文本输入到已有的上下文感知的网络嵌入模型中，获取上下文本感知的文本表征；

所述步骤S3的具体过程还包括：

将上下文本感知的文本表征与步骤S2中得到的拓扑感知的文本表征进行线性加权，得到网络结点最终的文本表征，如公式（7）：

（7）

其中， 是模型的一个参数；

所述步骤S3的具体过程还包括：

将步骤S1得到的拓扑结构表征和步骤S3得到的文本表征拼接起来，获取最终的网络结点表征，如公式（8）：

（8）。

2.根据权利要求1所述的基于拓扑感知文本表征的网络嵌入学习方法，其特征在于， 是一个可学习的参数，与模型中的其他参数一起在训练过程中学习得到。