[發(fā)明專利]圖向量化方法、裝置及電力網(wǎng)圖向量化方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110755180.4
• 申請(qǐng)日: 2021-07-05
• 公開（公告）號(hào): CN113553396A
• 公開（公告）日: 2021-10-26
• 發(fā)明（設(shè)計(jì)）人: 陳毅波;黃鑫;向行;黃巍;張祖平;蔣破荒;田建偉
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)湖南省電力有限公司;國(guó)網(wǎng)湖南省電力有限公司信息通信分公司;國(guó)家電網(wǎng)有限公司
• 主分類號(hào): G06F16/33
• 分類號(hào): G06F16/33;G06F16/36;G06F40/117;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 長(zhǎng)沙永星專利商標(biāo)事務(wù)所(普通合伙) 43001
• 代理人: 周詠;米中業(yè)

本發(fā)明公開了一種圖向量化方法，包括獲取數(shù)據(jù)集；對(duì)數(shù)據(jù)集建模得到異構(gòu)信息網(wǎng)絡(luò)圖；將元路徑轉(zhuǎn)換為元圖并枚舉得到元圖及元圖子圖實(shí)例的集合；對(duì)元圖進(jìn)行一階編碼并利用與每個(gè)節(jié)點(diǎn)關(guān)聯(lián)的元圖集學(xué)習(xí)各個(gè)節(jié)點(diǎn)的偏好；在二階編碼中通過(guò)連接兩個(gè)節(jié)點(diǎn)的圖集對(duì)兩個(gè)節(jié)點(diǎn)之間的交互進(jìn)行建模；整合一階元圖編碼和二階元圖編碼，對(duì)預(yù)測(cè)得到的包含子圖的總體概率進(jìn)行優(yōu)化。本發(fā)明還公開了實(shí)現(xiàn)所述圖向量化方法的裝置，以及包括所述圖向量化方法的電力網(wǎng)圖向量化方法。本發(fā)明保留了節(jié)點(diǎn)之間的潛在復(fù)合關(guān)系，而且可靠性更高，實(shí)用性更好。

技術(shù)領(lǐng)域

本發(fā)明屬于自然語(yǔ)言處理技術(shù)領(lǐng)域，具體涉及一種圖向量化方法、裝置及 電力網(wǎng)圖向量化方法。

背景技術(shù)

從大型電力調(diào)度網(wǎng)絡(luò)到萬(wàn)維網(wǎng)，在自然界中存在著大量的復(fù)雜系統(tǒng)，其中 的對(duì)象因相互關(guān)聯(lián)而形成大規(guī)模網(wǎng)絡(luò)。因此，復(fù)雜系統(tǒng)可通過(guò)各種各樣的復(fù)雜 網(wǎng)絡(luò)來(lái)描述，例如社會(huì)網(wǎng)、電力網(wǎng)和計(jì)算機(jī)網(wǎng)絡(luò)等。

網(wǎng)絡(luò)分析已成為一個(gè)重要的研究領(lǐng)域，它能支撐很多關(guān)鍵的應(yīng)用，例如個(gè) 性化推薦、節(jié)點(diǎn)故障預(yù)測(cè)和網(wǎng)絡(luò)優(yōu)化等。這些應(yīng)用最終可以歸結(jié)為在網(wǎng)絡(luò)中有 效的節(jié)點(diǎn)表示形式。早期的代表性框架，如DeepWalk、LINE和Grarep等，試 圖通過(guò)隨機(jī)游走和skip-gram模型來(lái)捕捉圖的接近度，從而最大化出現(xiàn)在特定上 下文中的節(jié)點(diǎn)對(duì)共現(xiàn)概率。然而，傳統(tǒng)方法在很大程度上依賴于人工特征工程。 同時(shí)，現(xiàn)有的網(wǎng)絡(luò)圖編碼表示法大多是為僅具有單一類型的節(jié)點(diǎn)和邊緣的同類 網(wǎng)絡(luò)而設(shè)計(jì)的；而在現(xiàn)實(shí)世界中，對(duì)象通常被組織成異構(gòu)信息網(wǎng)絡(luò) (Heterogeneous Information Network，HIN)，其中節(jié)點(diǎn)和邊緣都屬于不同的類 型。隨后，為了捕獲HIN上的豐富語(yǔ)義，有研究提出在學(xué)習(xí)過(guò)程中處理相鄰節(jié) 點(diǎn)時(shí)，區(qū)分不同類型的顯式關(guān)系(即邊)，例如所屬機(jī)構(gòu)和職業(yè)可以作為人員的 相鄰節(jié)點(diǎn)，但它們分別通過(guò)地點(diǎn)和職業(yè)傳達(dá)了不同的語(yǔ)義，因此，必須區(qū)分它 們。此外，還存在復(fù)合的且通常是潛在的關(guān)系，例如同一公司的同事關(guān)系或同 一領(lǐng)域的研究人員共同參與同一項(xiàng)目，這些關(guān)系可以通過(guò)元路徑結(jié)構(gòu)進(jìn)行某種 程度的建模，例如‘用戶-大學(xué)-用戶’和‘用戶-項(xiàng)目-用戶’。許多研究已經(jīng)利用 此類元路徑來(lái)學(xué)習(xí)HIN的表示。但是，元路徑仍然不能表達(dá)節(jié)點(diǎn)之間更復(fù)雜的關(guān)系。

發(fā)明內(nèi)容

本發(fā)明的目的之一在于提供一種能夠保留節(jié)點(diǎn)之間的潛在復(fù)合關(guān)系，而且 可靠性更高、實(shí)用性更好的圖向量化方法。

本發(fā)明的目的之二在于提供一種實(shí)現(xiàn)所述圖向量化方法的裝置。

本發(fā)明的目的之三在于提供一種包括了所述圖向量化方法的電力網(wǎng)圖向量 化方法。

本發(fā)明提供的這種圖向量化方法，包括如下步驟：

S1.獲取數(shù)據(jù)集；

S2.對(duì)數(shù)據(jù)集進(jìn)行建模，從而得到異構(gòu)信息網(wǎng)絡(luò)圖；

S3.在步驟S2得到的異構(gòu)信息網(wǎng)絡(luò)圖中，將元路徑轉(zhuǎn)換為元圖，并枚舉得 到元圖及元圖子圖實(shí)例的集合；

S4.對(duì)元圖進(jìn)行一階編碼，并利用與每個(gè)節(jié)點(diǎn)關(guān)聯(lián)的元圖集學(xué)習(xí)各個(gè)節(jié)點(diǎn)的 偏好；

S5.在二階編碼中，通過(guò)連接兩個(gè)節(jié)點(diǎn)的圖集，從而對(duì)兩個(gè)節(jié)點(diǎn)之間的交互 進(jìn)行建模；

S6.整合一階元圖編碼和二階元圖編碼，在給定每個(gè)核心節(jié)點(diǎn)以及每對(duì)核心 節(jié)點(diǎn)的情況下，對(duì)預(yù)測(cè)得到的包含子圖的總體概率進(jìn)行優(yōu)化。

步驟S2所述的對(duì)數(shù)據(jù)集進(jìn)行建模，從而得到異構(gòu)信息網(wǎng)絡(luò)圖，具體包括如 下步驟：