[發明專利]多維網絡節點分類的可視化方法、系統、設備和存儲介質有效
| 申請號: | 202110482521.5 | 申請日: | 2021-04-30 |
| 公開(公告)號: | CN113158391B | 公開(公告)日: | 2023-05-30 |
| 發明(設計)人: | 魏迎梅;韓貝貝;楊雨璇;馮素茹;康來;謝毓湘;蔣杰;萬珊珊 | 申請(專利權)人: | 中國人民解放軍國防科技大學 |
| 主分類號: | G06F30/18 | 分類號: | G06F30/18;G06F30/27;G06F16/904;G06F16/906;G06F18/22;G06F18/213;G06F18/214;G06F18/24;G06F111/04;G06F111/08 |
| 代理公司: | 北京風雅頌專利代理有限公司 11403 | 代理人: | 曾志鵬 |
| 地址: | 410003 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: | 多維 網絡 節點 分類 可視化 方法 系統 設備 存儲 介質 | ||
1.一種多維網絡節點分類的可視化方法,其特征在于,所述多維網絡為多維社交網絡,所述多維網絡節點為所述多維社交網絡中的用戶;所述多維網絡節點分類的可視化方法包括以下步驟:
基于隨機游走的網絡嵌入技術將多維圖網絡節點中的所有維度圖節點轉換為稠密的低維嵌入,包括:將維度為r的圖網絡中任意一個給定節點,通過隨機游走的采樣策略采集所述節點的上下文信息,獲得一個游走序列;通過可視窗口劃分所述游走序列,獲得關于該節點信息的訓練樣本序列;將所述訓練樣本序列輸入到Ski?p-Gram模型中,通過隨機梯度下降方法進行目標優化,得到所述節點的低維嵌入;
將所述低維嵌入進行加權平均,并與所述多維圖的節點原始屬性特征進行拼接,得到第二屬性特征;
基于圖卷積網絡捕獲每一維度圖網絡的結構和屬性信息,將包含所述第二屬性特征的每一個節點嵌入到低維空間中,得到低維嵌入矩陣;
采用正則化約束來捕獲不同維度圖網絡之間的相關性,并利用注意力機制獲取不同維度圖網絡的重要性權值,得到注意力矩陣,包括:對所述低維嵌入矩陣采用正則化的一致性約束,度量所述低維嵌入矩陣之間的相似性程度,得到原始多維圖網絡中相應維度圖網絡之間的相似性;利用正則化的M個圖神經網絡的權重參數來捕獲不同維度圖網絡的相關性;基于注意力機制在訓練過程中,以下游的節點分類任務為導向,自適應計算出不同維度的重要性權值;
加權融合所述低維嵌入矩陣和所述注意力矩陣,獲得n個節點綜合低維向量;所述綜合低維向量包含多維圖網絡的節點屬性特征、局部結構特征、全局結構特征、不同維度圖網絡之間的相關性和重要性差異五種信息;
將所述綜合低維向量在二維空間投影,對節點的分類結果進行展示,包括:將所述綜合低維向量采用非線性降維技術投影到二維布局空間中,得到節點在二維空間中的坐標值;基于所述坐標值,采用可視化技術以節點的標簽信息進行顏色映射,將節點的分類結果以視覺的形式進行展示。
2.一種多維網絡節點分類的可視化系統,其特征在于,所述多維網絡為多維社交網絡,所述多維網絡節點為所述多維社交網絡中的用戶;所述多維網絡節點分類的可視化系統包括:
全局結構特征模塊,用于基于隨機游走的網絡嵌入技術將多維圖網絡節點中的所有維度圖節點轉換為稠密的低維嵌入;所述全局結構特征模塊包括:隨機游走網絡嵌入單元,用于將維度為r的圖網絡中任意一個給定節點,通過隨機游走的采樣策略采集所述節點的上下文信息,獲得一個游走序列;通過可視窗口劃分所述游走序列,獲得關于該節點信息的訓練樣本序列;將所述訓練樣本序列輸入到Skip-Gram模型中,通過隨機梯度下降方法進行目標優化,得到所述節點的低維嵌入;
特定維度圖網絡模塊,用于將所述低維嵌入進行加權平均,并與所述多維圖的節點原始屬性特征進行拼接,得到第二屬性特征;
圖卷積網絡模塊,用于基于圖卷積網絡捕獲每一維度圖網絡的結構和屬性信息,將包含所述第二屬性特征的每一個節點嵌入到低維空間中,得到低維嵌入矩陣;
相關性約束模塊,用于采用正則化約束來捕獲不同維度圖網絡之間的相關性,并利用注意力機制獲取不同維度圖網絡的重要性權值,得到注意力矩陣;所述相關性約束模塊包括約束訓練單元,用于對所述低維嵌入矩陣采用正則化的一致性約束,度量所述低維嵌入矩陣之間的相似性程度,得到原始多維圖網絡中相應維度圖網絡之間的相似性;利用正則化的M個圖神經網絡的權重參數來捕獲不同維度圖網絡的相關性;基于注意力機制在訓練過程中,以下游的節點分類任務為導向,自適應計算出不同維度的重要性權值;
分類展示模塊,用于加權融合所述低維嵌入矩陣和所述注意力矩陣,獲得n個節點綜合低維向量,所述綜合低維向量包含多維圖網絡的節點屬性特征、局部結構特征、全局結構特征、不同維度圖網絡之間的相關性和重要性差異五種信息;還用于將所述綜合低維向量在二維空間投影,對節點的分類結果進行展示;所述分類展示模塊包括投影映射單元,用于將所述綜合低維向量采用非線性降維技術投影到二維布局空間中,得到節點在二維空間中的坐標值;基于所述坐標值,采用可視化技術以節點的標簽信息進行顏色映射,將節點的分類結果以視覺的形式進行展示。
3.一種計算機設備,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序,其特征在于,所述處理器執行所述計算機程序時實現權利要求1所述方法的步驟。
4.一種計算機可讀存儲介質,其上存儲有計算機程序,其特征在于,所述計算機程序被處理器執行時實現權利要求1所述的方法的步驟。
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中國人民解放軍國防科技大學,未經中國人民解放軍國防科技大學許可,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/202110482521.5/1.html,轉載請聲明來源鉆瓜專利網。





