[發(fā)明專(zhuān)利]基于數(shù)據(jù)增強(qiáng)與多級(jí)信息最大化的圖關(guān)系數(shù)據(jù)的分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310002337.5
• 申請(qǐng)日: 2023-01-03
• 公開(kāi)（公告）號(hào): CN115938504A
• 公開(kāi)（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 張瀚;趙青青;何孟遙;全雄文
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南開(kāi)大學(xué)
• 主分類(lèi)號(hào): G16C20/40
• 分類(lèi)號(hào): G16C20/40;G16C20/30;G16C20/70;G06F18/24;G06N3/0464;G06N3/047;G06N3/048;G06N3/09
• 代理公司: 北京細(xì)軟智谷知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11471
• 代理人: 梁亞靜

1.一種基于數(shù)據(jù)增強(qiáng)與多級(jí)信息最大化的圖關(guān)系數(shù)據(jù)的分類(lèi)模型訓(xùn)練方法，其特征在于，包括：

確定數(shù)據(jù)集，以所述數(shù)據(jù)集中每個(gè)樣本的基本單元為節(jié)點(diǎn)，以符合預(yù)設(shè)關(guān)系的基本單元之間的預(yù)設(shè)關(guān)系為邊，構(gòu)建每個(gè)樣本的結(jié)構(gòu)圖；

按照預(yù)設(shè)比例隨機(jī)去除所述結(jié)構(gòu)圖的部分邊后，將剩余圖作為增強(qiáng)結(jié)構(gòu)圖，所述結(jié)構(gòu)圖和所述增強(qiáng)結(jié)構(gòu)圖構(gòu)成雙視圖；

對(duì)于每個(gè)視圖，分別使用全連接神經(jīng)網(wǎng)絡(luò)和圖卷積神經(jīng)網(wǎng)絡(luò)對(duì)全圖關(guān)系數(shù)據(jù)進(jìn)行學(xué)習(xí)，得到每個(gè)視圖的節(jié)點(diǎn)特征信息和拓?fù)湫畔ⅲ?/p>

融合所述拓?fù)湫畔⒑吞卣餍畔ⅲ@取對(duì)應(yīng)視圖的局部表示和全局表示；

考慮結(jié)構(gòu)圖和增強(qiáng)結(jié)構(gòu)圖的全局表示和局部表示之間的約束，基于多級(jí)信息最大化規(guī)則，得到損失函數(shù)；

將圖卷積神經(jīng)網(wǎng)絡(luò)中每層的表示進(jìn)行相加，并將相加后的表示輸入分類(lèi)器，輸出所述結(jié)構(gòu)圖的分類(lèi)結(jié)果；

根據(jù)所述分類(lèi)結(jié)果和標(biāo)簽計(jì)算交叉熵分類(lèi)損失函數(shù)，其中，所述標(biāo)簽為根據(jù)結(jié)構(gòu)圖的分類(lèi)預(yù)先標(biāo)注；根據(jù)所述交叉熵分類(lèi)損失函數(shù)對(duì)模型進(jìn)行監(jiān)督訓(xùn)練，當(dāng)所述交叉熵分類(lèi)損失函數(shù)穩(wěn)定時(shí)，得到訓(xùn)練好的目標(biāo)模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述數(shù)據(jù)集包括化合物集，所述基本單元包括預(yù)設(shè)原子組；以所述化合物中的預(yù)設(shè)原子組為節(jié)點(diǎn)，以?xún)蓚€(gè)預(yù)設(shè)原子組為邊，構(gòu)建每個(gè)化合物的結(jié)構(gòu)圖；其中，所述預(yù)設(shè)原子組中包括至少一個(gè)原子；或，

所述數(shù)據(jù)集包括對(duì)象實(shí)體集，所述基本單元包括事物；以所述事物為節(jié)點(diǎn)，以?xún)蓚€(gè)事物之間的關(guān)系為邊，構(gòu)建每個(gè)對(duì)象實(shí)體的結(jié)構(gòu)圖。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述化合物包括高分子化合物和普通化合物，其中，所述普通化合物為非高分子化合物；所述高分子化合物包括蛋白質(zhì)和非蛋白質(zhì)高分子化合物。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，當(dāng)所述高分子化合物為蛋白質(zhì)時(shí)，所述預(yù)設(shè)原子組為氨基酸，以蛋白質(zhì)中的氨基酸作為節(jié)點(diǎn)，以空間距離小于或等于預(yù)設(shè)距離閾值的兩個(gè)氨基酸為邊，構(gòu)建蛋白質(zhì)結(jié)構(gòu)圖；或，

當(dāng)所述化合物為非蛋白質(zhì)高分子化合物時(shí)，所述預(yù)設(shè)原子組為類(lèi)氨基酸，以所述非蛋白質(zhì)中的類(lèi)氨基酸作為節(jié)點(diǎn)，以空間距離小于等于預(yù)設(shè)距離閾值的兩個(gè)類(lèi)氨基酸為邊，構(gòu)建非蛋白質(zhì)高分子化合物結(jié)構(gòu)圖；或，

當(dāng)所述化合物為普通化合物時(shí)，以所述普通化合物中的原子作為節(jié)點(diǎn)，以?xún)蓚€(gè)原子之間的鍵作為邊，構(gòu)建普通化合物結(jié)構(gòu)圖。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)于每個(gè)視圖，分別使用全連接神經(jīng)網(wǎng)絡(luò)和圖卷積神經(jīng)網(wǎng)絡(luò)對(duì)全圖關(guān)系數(shù)據(jù)進(jìn)行學(xué)習(xí)，得到每個(gè)視圖的節(jié)點(diǎn)特征信息和拓?fù)湫畔ⅲǎ?/p>

通過(guò)全連接神經(jīng)網(wǎng)絡(luò)對(duì)于每個(gè)視圖的全圖關(guān)系數(shù)據(jù)進(jìn)行學(xué)習(xí)，得到對(duì)應(yīng)視圖的節(jié)點(diǎn)特征信息；以及，通過(guò)圖卷積神經(jīng)網(wǎng)絡(luò)對(duì)每個(gè)視圖的全圖關(guān)系數(shù)據(jù)進(jìn)行學(xué)習(xí)，得到對(duì)應(yīng)視圖的拓?fù)湫畔ⅰ?/p>

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述融合所述拓?fù)湫畔⒑吞卣餍畔ⅲ@取對(duì)應(yīng)視圖的局部表示和全局表示，包括：

融合所述拓?fù)湫畔⒑退鎏卣餍畔ⅲ玫阶宰⒁饬Φ梅郑?/p>

根據(jù)所述自注意力得分篩選出對(duì)應(yīng)視圖中的重要節(jié)點(diǎn)，確定對(duì)應(yīng)視圖的局部表示；

通過(guò)最大池化層和平局池化層相加的方式，得到對(duì)應(yīng)視圖的全局表示。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述考慮結(jié)構(gòu)圖和增強(qiáng)結(jié)構(gòu)圖的全局表示和局部表示之間的約束，基于多級(jí)信息最大化規(guī)則，得到損失函數(shù)，包括：

考慮結(jié)構(gòu)圖的局部表示與增強(qiáng)結(jié)構(gòu)圖的局部表示之間的約束，基于信息最大化規(guī)則，得到第一損失函數(shù)；

考慮結(jié)構(gòu)圖的全局表示與增強(qiáng)結(jié)構(gòu)圖的局部表示之間的約束，基于信息最大化規(guī)則，得到第二損失函數(shù)；

考慮結(jié)構(gòu)圖的全局表示與增強(qiáng)結(jié)構(gòu)圖的全局表示之間的約束，基于信息最大化規(guī)則，得到第三損失函數(shù)；

根據(jù)所述第一損失函數(shù)、第二損失函數(shù)、第三損失函數(shù)以及對(duì)應(yīng)的系數(shù)，以求和的方式得到所述損失函數(shù)。