[發明專利]一種基于張量圖卷積網絡的節點分類方法及系統

在審

• 申請號: 202210536635.8
• 申請日: 2022-05-17
• 公開（公告）號: CN114912529A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 陳川;吳哲彬;鄭子彬
• 申請（專利權）人: 中山大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 楊小紅

1.一種基于張量圖卷積網絡的節點分類方法，其特征在于，包括：

根據圖數據生成多個不同視角的單視角增強圖，根據圖數據和得到的多個單視角增強圖進行張量化操作得到一個多視角增強圖；

其中，所述圖數據包括圖的鄰接矩陣和特征矩陣，所述特征矩陣由圖中所有節點的特征向量構成，所述多視角增強圖包括鄰接張量和特征張量，所述鄰接張量的每個前切面表示對應視角的單視角增強圖的鄰接矩陣，所述特征張量的每個前切面表示對應視角的單視角增強圖的特征矩陣；

將所述多視角增強圖的鄰接張量和特征張量輸入到訓練好的張量圖卷積網絡模型中，輸出所述圖數據中各節點的預測分類結果。

2.根據權利要求1所述的基于張量圖卷積網絡的節點分類方法，其特征在于，根據圖數據和得到的多個單視角增強圖進行張量化操作得到一個多視角增強圖包括：

將圖數據和得到的多個單視角增強圖進行重構，得到第一多視角增強圖，所述第一多視角增強圖包括第一鄰接張量和特征張量；

對所述第一鄰接張量進行張量分解得到第二鄰接張量；

基于所述第二鄰接張量和特征張量生成第二多視角增強圖，所述第二鄰接張量為所述第二多視角增強圖的鄰接張量。

3.根據權利要求2所述的基于張量圖卷積網絡的節點分類方法，其特征在于，對所述第一鄰接張量進行張量分解得到第二鄰接張量包括：

利用基于張量的奇異值分解方法對所述第一鄰接張量進行張量分解，得到所述第一鄰接張量的低秩近似值作為第二鄰接張量。

4.根據權利要求2所述的基于張量圖卷積網絡的節點分類方法，其特征在于，所述張量圖卷積網絡模型包括輸入層、二層張量圖卷積層、全連接層和輸出層，對所述張量圖卷積網絡模型的訓練過程包括：

利用所述輸入層將訓練集中各圖數據對應多視角增強圖的鄰接張量和特征張量輸入到所述二層張量圖卷積層；

利用所述二層張量圖卷積層得到所述多視角增強圖的節點表征張量；

利用所述全連接層根據所述節點表征張量得到節點表征矩陣；

利用所述輸出層根據所述節點表征矩陣得到圖數據中各節點的預測分類結果。

5.根據權利要求4所述的基于張量圖卷積網絡的節點分類方法，其特征在于，所述二層張量圖卷積層包括第一層張量圖卷積層和第二層張量圖卷積層，利用所述二層張量圖卷積層得到所述多視角增強圖的節點表征張量包括：

利用所述第一層張量圖卷積層對所述鄰接張量的每個前切面進行對稱歸一化得到歸一鄰接張量，然后對所述歸一鄰接張量和所述特征張量進行張量運算得到第一特征張量；

利用所述第二層張量圖卷積層對所述歸一鄰接張量和所述第一特征張量進行張量運算得到節點特征張量。

6.根據權利要求5所述的基于張量圖卷積網絡的節點分類方法，其特征在于，利用所述第一層張量圖卷積層對所述歸一鄰接張量和所述特征張量進行張量運算得到第一特征張量包括：

所述第一層張量圖卷積層利用對所述歸一鄰接張量和所述特征張量進行張量運算得到第一特征張量；

其中，σ(·)表示非線性激活函數，表示歸一鄰接張量，表示特征張量，表示第一層張量圖卷積層的權重張量，*表示張量t-product運算，張量t-product運算是先對張量沿著第三個維度進行傅里葉變換將數據從原始空間域變換到傅里葉域，然后在傅里葉域中進行兩個張量之間對應矩陣前切面的矩陣乘法，最后將得到的結果沿著第三個維度進行逆傅里葉變換回到原始的空域中作為張量t-product運算的結果，表示第一特征張量。

7.根據權利要求6所述的基于張量圖卷積網絡的節點分類方法，其特征在于，利用所述第二層張量圖卷積層對所述歸一鄰接張量和所述第一特征張量進行張量運算得到節點特征張量包括：

所述第二層張量圖卷積層利用對所述歸一鄰接張量和所述第一特征張量進行張量運算得到第二特征張量，將所述第二特征張量作為節點特征張量；

其中，表示第二特征張量，表示第二層張量圖卷積層的權重張量。