[发明专利]一种网络表示学习的方法、装置及存储介质在审
| 申请号： | 201910390150.0 | 申请日： | 2019-05-10 |
| 公开（公告）号： | CN110222839A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 蔡晓东;刘玉柱 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 北京轻创知识产权代理有限公司 11212 | 代理人： | 杨立;黄小榆 |
| 地址： | 541004 广西*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种网络表示学习的方法、装置及存储介质，该方法包括:获取网络中各个节点的结构信息，基于所述结构信息建立结构转移矩阵；获取所述网络中各个节点的属性信息，基于所述属性信息建立属性转移矩阵；将所述结构转移矩阵以及所述属性转移矩阵进行融合，得到偏向转移矩阵；对所述偏向转移矩阵中的每个节点进行采样，获得多个游走序列；建立神经网络模型，将所述游走序列输入至所述神经网络模型中进行网络表示学习，获得所述游走序列对应的节点的表示向量。本发明可以无缝结合不同源的信息及降低计算的复杂度，提高网络表示的质量，以增强表示向量在网络分析任务上的效果。 | ||
| 搜索关键词： | 网络表示 转移矩阵 神经网络模型 矩阵 存储介质 结构信息 结构转移 属性信息 向量 网络分析 无缝结合 序列输入 复杂度 采样 同源 学习 网络 融合 | ||
【主权项】：
1.一种网络表示学习的方法，其特征在于，包括以下步骤：获取网络中各个节点的结构信息，基于所述结构信息建立结构转移矩阵；获取所述网络中各个节点的属性信息，基于所述属性信息建立属性转移矩阵；将所述结构转移矩阵以及所述属性转移矩阵进行融合，得到偏向转移矩阵；对所述偏向转移矩阵中的每个节点进行采样，获得多个游走序列；建立神经网络模型，将所述游走序列输入至所述神经网络模型中进行网络表示学习，获得所述游走序列对应的节点的表示向量。
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桂林电子科技大学，未经桂林电子科技大学许可，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/201910390150.0/，转载请声明来源钻瓜专利网。
