[發(fā)明專利]基于多通路圖卷積神經網絡的對象分類方法及裝置

在審

• 申請?zhí)枺?/td>: 202010555093.X
• 申請日: 2020-06-17
• 公開（公告）號: CN111814842A
• 公開（公告）日: 2020-10-23
• 發(fā)明（設計）人: 王嘯;石川;朱美琪
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;項京

本發(fā)明實施例提供了一種對象的分類方法及裝置，所述方法包括：獲取待分類拓撲網絡、第一拓撲信息及拓撲網絡中每個節(jié)點的特征信息；基于每兩個節(jié)點的特征信息之間的相似度，構建相似性拓撲圖，并確定相似性拓撲圖的第二拓撲信息；將第一拓撲信息、每個節(jié)點的特征信息及第二拓撲信息輸入預先訓練的節(jié)點分類模型，確定每個節(jié)點的類型；基于每個節(jié)點的類型，確定每個節(jié)點所表示的對象的類型。采用本發(fā)明實施例，可以提高對象分類的準確度。

技術領域

本發(fā)明涉及數據處理技術領域，特別是涉及一種基于多通路圖卷積神經網絡的對象分類方法及裝置。

背景技術

拓撲網絡是表示構成網絡的成員間的真實的或者虛擬的連接關系的網絡，其應用非常廣泛，例如生物網絡、社交網絡、引文網絡等。拓撲網絡通常由節(jié)點以及節(jié)點之間的邊構成，其中節(jié)點表示構成網絡的成員，也可以稱為對象，例如可以為用戶、商品、文獻、圖像、設備等。每個節(jié)點具有對應的特征信息，用于表示該節(jié)點所表示的對象的性質、特點等。節(jié)點之間的邊表示各節(jié)點所表示的對象之間的關系，也就是拓撲信息。基于拓撲網絡，可以解決現實中的很多問題，例如對象分類、信息推薦等。

例如，在圖1所示的引文網絡中，每個節(jié)點表示文獻，包括文獻1、文獻2、文獻3、文獻4及文獻5。這些節(jié)點的特征信息可以預先存儲，可以包括文獻的作者、涉及的技術領域、文獻的發(fā)表日期等。節(jié)點之間的邊表示文獻之間的引用/被引用關系。

針對對象分類問題，目前通常通過GCNs(Graph Convolutional Networks，圖卷積神經網絡)實現。具體來說，可以預先訓練用于對象分類的GCNs，當需要對某些對象進行分類時，可以獲取這些對象對應的拓撲網絡，將表示該拓撲網絡中節(jié)點之間關系的拓撲信息及每個節(jié)點的特征信息輸入GCNs，GCNs可以根據拓撲信息及每個節(jié)點的特征信息，確定該拓撲網絡中每個節(jié)點的類型，進而將節(jié)點的類型確定為該節(jié)點所表示的對象的類型，完成對象的分類。

由于拓撲信息只能表示對應的兩個節(jié)點之間的關系，特征信息只能表示對應的一個節(jié)點的特性，所以拓撲信息和特征信息并不能全面地體現各個節(jié)點之間差異，導致僅根據拓撲信息及特征信息確定節(jié)點的類型是不準確的，從而導致對象分類的準確度較低。

發(fā)明內容

本發(fā)明實施例的目的在于提供一種對象的分類方法及裝置，以提高對象分類的準確度。具體技術方案如下：

第一方面，本發(fā)明實施例提供了一種對象的分類方法，所述方法包括：

獲取待分類拓撲網絡、第一拓撲信息及所述拓撲網絡中每個節(jié)點的特征信息，其中，所述拓撲網絡包括多個節(jié)點，每個節(jié)點表示一個對象；

基于每兩個節(jié)點的特征信息之間的相似度，構建相似性拓撲圖，并確定所述相似性拓撲圖的第二拓撲信息；

將所述第一拓撲信息、每個節(jié)點的特征信息及所述第二拓撲信息輸入預先訓練的節(jié)點分類模型，確定每個節(jié)點的類型，其中，所述節(jié)點分類模型為基于預設訓練集訓練得到的，所述預設訓練集包括拓撲網絡樣本的第一拓撲信息樣本、所述拓撲網絡樣本中每個節(jié)點的特征信息樣本及第二拓撲信息樣本，所述第二拓撲信息樣本為基于所述拓撲網絡樣本中每兩個節(jié)點的特征信息樣本之間的相似度構建的相似性拓撲圖樣本的拓撲信息；

基于所述每個節(jié)點的類型，確定每個節(jié)點所表示的對象的類型。

第二方面，本發(fā)明實施例提供了一種對象的分類裝置，所述裝置包括：

獲取模塊，用于獲取待分類拓撲網絡、第一拓撲信息及所述拓撲網絡中每個節(jié)點的特征信息，其中，所述拓撲網絡包括多個節(jié)點，每個節(jié)點表示一個對象；

拓撲圖構建模塊，用于基于每兩個節(jié)點的特征信息之間的相似度，構建相似性拓撲圖，并確定所述相似性拓撲圖的第二拓撲信息；