[發明專利]逐邊學習屬性圖表示

在審

• 申請號: 201980080282.1
• 申請日: 2019-10-18
• 公開（公告）號: CN113168576A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: R·帕特拉;S·洪;J·金;D·希洛林;D·巴托里尼;H·查菲
• 申請（專利權）人: 甲骨文國際公司
• 主分類號: G06N5/02
• 分類號: G06N5/02
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 馮薇

1.一種方法，包括:

接收輸入圖，其中所述輸入圖包括多個頂點和多個邊緣，所述多個頂點中的每個頂點與所述頂點的頂點屬性相關聯；

為所述多個頂點中的每個頂點生成頂點到屬性的映射，所述映射將所述頂點映射到多個頂點屬性簽名中的頂點屬性簽名；

生成多個邊緣單詞，每個邊緣單詞對應于一個或多個邊緣，每個邊緣起始于具有所述多個頂點屬性簽名中的特定頂點屬性簽名的第一頂點，并且終止于具有所述多個頂點屬性簽名中的特定頂點屬性簽名的第二頂點；

生成多個句子，每個句子包括沿著所述輸入圖中的多個路徑中的路徑直接連接的邊緣單詞；以及

使用所述多個句子和所述多個邊緣單詞，使用文檔向量化模型來生成表示所述輸入圖的機器學習向量。

2.如權利要求1所述的方法，其中所述輸入圖包括無向圖。

3.如權利要求1所述的方法，其中每個頂點屬性簽名包括頂點的頂點屬性的串表示。

4.如權利要求1所述的方法，其中每個邊緣單詞包括第一頂點的頂點屬性與第二頂點的頂點屬性級聯的串表示。

5.如權利要求1所述的方法，還包括:

基于一個或多個超參數來生成多個隨機游走，每個隨機游走包括所述輸入圖中的頂點序列。

6.如權利要求5所述的方法，其中所述多個邊緣單詞是基于所述多個隨機游走和所述頂點到屬性的映射而生成的。

7.如權利要求5所述的方法，其中所述多個路徑中的每個路徑基于所述多個隨機游走中的隨機游走。

8.如權利要求1所述的方法，其中所述多個句子中的每個句子包括所述多個邊緣單詞中的邊緣單詞與所述多個邊緣單詞中的一個或多個其它邊緣單詞級聯的串表示。

9.如權利要求1所述的方法，其中所述文檔向量化模型包括doc2vec。

10.如權利要求1所述的方法，還包括:

基于所述機器學習向量來訓練分類器。

11.一種或多種存儲指令的非暫態計算機可讀介質，所述指令在由一個或多個處理器執行時，使得執行如權利要求1-10中任一項所述的方法。

12.一種系統，包括包含組件的一個或多個計算設備，至少部分地由計算硬件來實現，所述計算硬件被配置為實現如權利要求1-10中所述的方法中的任何一個方法的步驟。