[發(fā)明專利]一種針對異質(zhì)信息網(wǎng)絡(luò)的表示學(xué)習(xí)方法

在審

• 申請?zhí)枺?/td>: 201911036371.4
• 申請日: 2019-10-29
• 公開（公告）號: CN110852437A
• 公開（公告）日: 2020-02-28
• 發(fā)明（設(shè)計(jì)）人: 喻梅;劉瑩;于健;于瑞國;李雪威;徐天一;趙滿坤;劉春鳳
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 劉子文

1.一種針對異質(zhì)信息網(wǎng)絡(luò)的表示學(xué)習(xí)方法，其特征在于，包括以下步驟：

步驟一，將社交網(wǎng)絡(luò)數(shù)據(jù)文件預(yù)處理，加入各個網(wǎng)絡(luò)節(jié)點(diǎn)的類型信息；

步驟二，利用預(yù)處理后的數(shù)據(jù)文件，根據(jù)各網(wǎng)絡(luò)節(jié)點(diǎn)的類型與節(jié)點(diǎn)間邊的類型信息，在指定的元路徑指導(dǎo)下，進(jìn)行隨機(jī)游走，得到每個網(wǎng)絡(luò)節(jié)點(diǎn)的定長隨機(jī)游走序列，完成對異質(zhì)信息網(wǎng)絡(luò)的信息采樣；

步驟三，將產(chǎn)生的隨機(jī)游走序列作為自然語言中固定長度的語句，序列中每個節(jié)點(diǎn)作為語句中的單詞，得到表示學(xué)習(xí)模型的輸入數(shù)據(jù)；基于最基本的雙向循環(huán)神經(jīng)網(wǎng)絡(luò)(Bidirectional Recurrent Neural Network,Bi-RNN)，通過保留原始信息網(wǎng)絡(luò)中間接鄰居節(jié)點(diǎn)的依賴關(guān)系，以捕獲信息網(wǎng)絡(luò)中更多的潛在信息；

步驟四，通過綜合考量和實(shí)驗(yàn)，找出Bi-RNN中前后向權(quán)重在表示學(xué)習(xí)過程中影響力的相對大小，并利用帶權(quán)重的損失函數(shù)區(qū)別對待前向與后向的隱層權(quán)重；

步驟五，通過同時保留間接鄰居節(jié)點(diǎn)間的依賴關(guān)系與利用帶權(quán)重?fù)p失函數(shù)，對隨機(jī)游走序列進(jìn)行表示學(xué)習(xí)；利用最終的網(wǎng)絡(luò)節(jié)點(diǎn)表示結(jié)果，對提出的表示學(xué)習(xí)方法進(jìn)行評價并衡量準(zhǔn)確程度。

2.根據(jù)權(quán)利要求1所述一種針對異質(zhì)信息網(wǎng)絡(luò)的表示學(xué)習(xí)方法，其特征在于，步驟一中根據(jù)現(xiàn)實(shí)社交網(wǎng)絡(luò)中節(jié)點(diǎn)與節(jié)點(diǎn)間邊的類型信息，對節(jié)點(diǎn)可能出現(xiàn)的所有類型進(jìn)行獲取，并添加到原始的數(shù)據(jù)文件中。