[發(fā)明專利]針對(duì)關(guān)系不確定性的引文網(wǎng)絡(luò)節(jié)點(diǎn)分類方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110154722.2
• 申請日: 2021-02-04
• 公開（公告）號(hào): CN112836050B
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計(jì)）人: 劉士軍;陳冠恒;郭子瑜;梅廣旭;潘麗;楊承磊;孟祥旭
• 申請（專利權(quán)）人: 山東大學(xué)
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/901;G06N3/04
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 黃海麗

本發(fā)明公開了針對(duì)關(guān)系不確定性的引文網(wǎng)絡(luò)節(jié)點(diǎn)分類方法及系統(tǒng)，包括：獲取待預(yù)測類別標(biāo)簽的論文，獲取已知類別標(biāo)簽的引文網(wǎng)絡(luò)；根據(jù)所述待預(yù)測類別標(biāo)簽的論文和所述已知類別標(biāo)簽的引文網(wǎng)絡(luò)，構(gòu)建元路徑鄰居圖；基于元路徑鄰居圖，生成若干個(gè)泛化圖；將所有泛化圖，均輸入到預(yù)訓(xùn)練后的圖卷積神經(jīng)網(wǎng)絡(luò)中，輸出待預(yù)測類別標(biāo)簽論文的類別標(biāo)簽。本發(fā)明通過對(duì)異質(zhì)圖的元路徑鄰居圖進(jìn)行重構(gòu)，解決了異質(zhì)圖中關(guān)系的不確定性問題，同時(shí)經(jīng)過泛化得到更多的圖結(jié)構(gòu)樣本增加訓(xùn)練數(shù)據(jù)中的對(duì)抗性實(shí)例的數(shù)量，從而增強(qiáng)了模型的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及圖神經(jīng)網(wǎng)絡(luò)的人工智能分類技術(shù)領(lǐng)域，特別是涉及針對(duì)關(guān)系不確定性的引文網(wǎng)絡(luò)節(jié)點(diǎn)分類方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提到了與本發(fā)明相關(guān)的背景技術(shù)，并不必然構(gòu)成現(xiàn)有技術(shù)。

現(xiàn)實(shí)世界中存在的許多網(wǎng)絡(luò)結(jié)構(gòu)，比如引文網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、交通網(wǎng)絡(luò)等，吸引了研究人員的關(guān)注。由多種類型的節(jié)點(diǎn)和邊構(gòu)成的異質(zhì)信息網(wǎng)絡(luò)屬于其中的一種，此類網(wǎng)絡(luò)含有豐富的結(jié)構(gòu)和語義信息且在現(xiàn)實(shí)世界中廣泛存在，更加吸引了廣泛的研究興趣。近年來，針對(duì)異質(zhì)信息網(wǎng)絡(luò)，越來越多的異質(zhì)圖模型被構(gòu)建出來解決異質(zhì)圖中的節(jié)點(diǎn)分類、節(jié)點(diǎn)聚類、鏈接預(yù)測等任務(wù)。這些模型雖然都表現(xiàn)出良好的性能，但是它們沒有考慮到在異質(zhì)圖中存在關(guān)系的不確定性問題。現(xiàn)實(shí)應(yīng)用中導(dǎo)致異質(zhì)信息網(wǎng)絡(luò)關(guān)系不確定性的主要原因有以下幾種：

(1)異質(zhì)圖關(guān)系復(fù)雜，構(gòu)建網(wǎng)絡(luò)時(shí)導(dǎo)入信息不完備，缺失重要的關(guān)系。例如圖2(a)中存在強(qiáng)關(guān)聯(lián)性的兩個(gè)論文節(jié)點(diǎn)P1、P2由于發(fā)表時(shí)間相同而沒有相互引用，導(dǎo)致重要關(guān)系的缺失，網(wǎng)絡(luò)結(jié)構(gòu)中節(jié)點(diǎn)之間缺少連接的邊。其中圖2(b)為節(jié)點(diǎn)屬性；

(2)異質(zhì)圖節(jié)點(diǎn)類型多樣，關(guān)系之間的權(quán)重不一，過多的次要關(guān)系會(huì)影響重要關(guān)系。例如圖2(a)中具有強(qiáng)關(guān)聯(lián)性的論文節(jié)點(diǎn)P3、P2之間的重要關(guān)系存在連接的邊，但是P3引用了更多的弱關(guān)聯(lián)性的論文P4、P5，這樣過多的次要關(guān)系會(huì)對(duì)重要關(guān)系造成影響。

(3)臟數(shù)據(jù)導(dǎo)致錯(cuò)誤的關(guān)聯(lián)關(guān)系。例如圖2(a)中，由于臟數(shù)據(jù)的存在，發(fā)表于不同會(huì)議且無關(guān)聯(lián)性的論文節(jié)點(diǎn)P5、P6之間存在錯(cuò)誤的引用關(guān)系，導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)中毫無聯(lián)系的節(jié)點(diǎn)之間存在連接的邊。其他從真實(shí)世界獲取數(shù)據(jù)構(gòu)建的異質(zhì)信息網(wǎng)絡(luò)所包含的關(guān)系中同樣存在類似的不確定性。

發(fā)明人發(fā)現(xiàn)，目前的異質(zhì)圖神經(jīng)網(wǎng)絡(luò)研究除了尚未系統(tǒng)地解決異質(zhì)圖存在關(guān)系的不確定性問題，還存在魯棒性較弱的問題。魯棒性較弱的模型無法保證穩(wěn)定的訓(xùn)練效果，因?yàn)樯窠?jīng)網(wǎng)絡(luò)容易受到對(duì)抗性實(shí)例的影響，數(shù)據(jù)進(jìn)行擾動(dòng)后，模型訓(xùn)練效果容易下降。造成這種現(xiàn)象的原因是在數(shù)據(jù)集中對(duì)抗性實(shí)例樣本數(shù)量太少，而神經(jīng)網(wǎng)絡(luò)的高度非線性特性導(dǎo)致模型學(xué)習(xí)不到這些特殊樣本，因而在面對(duì)對(duì)抗性實(shí)例干擾時(shí)，模型表現(xiàn)出魯棒性較弱的現(xiàn)象。這一缺陷嚴(yán)重限制了異質(zhì)圖神經(jīng)網(wǎng)絡(luò)在真實(shí)世界中的應(yīng)用，因?yàn)檎鎸?shí)世界中異質(zhì)信息網(wǎng)絡(luò)更容易受到各種因素干擾而發(fā)生改變。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)的不足，本發(fā)明提供了針對(duì)關(guān)系不確定性的引文網(wǎng)絡(luò)節(jié)點(diǎn)分類方法及系統(tǒng)；在解決異質(zhì)圖中關(guān)系不確定性問題的同時(shí)提高模型的魯棒性。

第一方面，本發(fā)明提供了針對(duì)關(guān)系不確定性的引文網(wǎng)絡(luò)節(jié)點(diǎn)分類方法；

針對(duì)關(guān)系不確定性的引文網(wǎng)絡(luò)節(jié)點(diǎn)分類方法，包括：

獲取待預(yù)測類別標(biāo)簽的論文，獲取已知類別標(biāo)簽的引文網(wǎng)絡(luò)；

根據(jù)所述待預(yù)測類別標(biāo)簽的論文和所述已知類別標(biāo)簽的引文網(wǎng)絡(luò)，構(gòu)建元路徑鄰居圖；

基于元路徑鄰居圖，生成若干個(gè)泛化圖；

將所有泛化圖，均輸入到預(yù)訓(xùn)練后的圖卷積神經(jīng)網(wǎng)絡(luò)中，輸出待預(yù)測類別標(biāo)簽論文的類別標(biāo)簽。

第二方面，本發(fā)明提供了針對(duì)關(guān)系不確定性的引文網(wǎng)絡(luò)節(jié)點(diǎn)分類系統(tǒng)；

針對(duì)關(guān)系不確定性的引文網(wǎng)絡(luò)節(jié)點(diǎn)分類系統(tǒng)，包括：