[发明专利]一种基于跨网络特征映射的节点信息获取方法及其装置

摘要

本发明属于特征学习领域，特别涉及一种基于跨网络特征映射的节点信息获取方法及其装置，所述方法包括对源网络和目标网络的文本数据进行嵌入操作，得到源网络和目标网络的第二文本矩阵；将源网络的第二文本矩阵矩阵输入到源网络的神经网络中进行训练；训练源网络的过程中，源网络的第二文本矩阵通过多头注意力机制层得到注意力加权，获得源网络的第三文本矩；对源网络的第三文本矩阵进行归一化处理，并将结果输入到神经网络的全连接层；将全连接层更新的向量作为softmax层的输入，并最大化softmax函数，完成训练；利用训练好的源网络的神经网络迁移到目标网络的神经网络，获得目标网络中节点的向量表示；本发明不仅可以减少计算文本信息的减少时间复杂度，还可以降低模型过拟合的风险。

主权项

1.一种基于跨网络特征映射的节点信息获取方法，其特征在于，若源网络中的节点的结构信息和文本信息均完备，而目标网络中节点的文本信息有部分缺失，利用迁移学习的方法利用训练好的原网络去学习目标网络中节点的表示，从而获得文本信息完整的目标节点中的节点描述，其中所述节点为网络中的用户、文章、设备或者服务器，获取节点描述的具体过程包括：/nS1、获取源网络和目标网络的文本数据信息以及结构数据信息；/nS2、利用实体链接工具获得源网络和目标网络文本中的实体以及实体对应的数据链接；/nS3、将数据链接对应的文本数据加入到源网络和目标网络的文本数据中，形成新的源网络和目标网络文本数据；/nS4、利用网络结构特征提取工具将源网络和目标网络的信息结构分别表示为V₁,V₂，其中，V₁和V₂的维度数均为1×dr；dr为结构向量维度；/nS5、对源网络和目标网络的文本数据进行嵌入操作，得到源网络和目标网络的第一文本矩阵S₁,S₂，并将V₁和V₂向量分别加入到源网络和目标网络的第一文本矩阵中，得到源网络和目标网络的第二文本矩阵S₁',S₂'；/nS6、将源网络的第二文本矩阵S₁'矩阵输入到源网络的神经网络中进行训练；/nS7、训练源网络的过程中，源网络的第二文本矩阵S₁'通过多头注意力机制层得到注意力加权，获得源网络的第三文本矩阵S₁”；/nS8、对源网络的第三文本矩阵S₁”进行归一化处理，并将结果输入到神经网络的全连接层；/nS9、将全连接层更新的向量作为softmax层的输入，并最大化softmax函数，完成训练；/nS10、利用训练好的源网络的神经网络迁移到目标网络的神经网络，获得目标网络中节点的向量表示。/n