[發明專利]基于隨機游走的網絡表示學習方法在審
| 申請號： | 201911178785.0 | 申請日： | 2019-11-27 |
| 公開（公告）號： | CN111126443A | 公開（公告）日： | 2020-05-08 |
| 發明（設計）人： | 吳蓉暉;陳湘濤;朱寧波;孫穎;劉桃億 | 申請（專利權）人： | 湖南大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 深圳市中原力和專利商標事務所(普通合伙) 44289 | 代理人： | 胡國良 |
| 地址： | 410001 湖*** | 國省代碼： | 湖南;43 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 隨機 游走 網絡 表示 學習方法 | ||
【權利要求書】：
1.一種基于隨機游走的網絡表示學習方法，其特征在于，包括如下步驟：
建立NSRW模型，所述NSRW模型表示為函數G＝(V,E)，其中V＝{v1,v2,…vn}代表節點，用于表示網絡中的實體；E＝{e1,e2,…en}代表邊，用于表示網絡中實體之間的關系；
計算網絡中相鄰兩個節點的相似度，相鄰兩個節點的相似度計算公式為：其中nab表示節點va和節點vb之間共同鄰居的數量，ka和kb分別代表節點va和節點vb的節點度；
根據所述相似度計算相鄰節點之間的游走概率；
根據所述游走概率進行隨機游走生成節點序列；
根據所述節點序列，進行節點的表示學習，得到節點的低維表示。
2.根據權利要求1所述的網絡表示學習方法，其特征在于，根據所述節點序列，進行節點的表示學習，得到節點的低維表示步驟具體為：所述節點序列代入到Skip-Gram模型中獲得節點的向量表示。
3.根據權利要求1所述的網絡表示學習方法，其特征在于，相鄰節點之間的游走概率為：其中simkj表示任意節點vk與其鄰居節點之間的相似度。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于湖南大學，未經湖南大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911178785.0/1.html，轉載請聲明來源鉆瓜專利網。
