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

在審

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

本發(fā)明涉及一種基于數(shù)據(jù)增強(qiáng)與多級信息最大化的圖關(guān)系數(shù)據(jù)的分類方法,屬于特征提取技術(shù)領(lǐng)域。在模型構(gòu)建的過程中，進(jìn)行特征提取，對結(jié)構(gòu)圖進(jìn)行增強(qiáng)處理，增加了樣本數(shù)量，更加本質(zhì)和魯棒的特征提取提升了準(zhǔn)確性；對每個視圖利用全連接神經(jīng)網(wǎng)絡(luò)和圖卷積神經(jīng)網(wǎng)絡(luò)對圖關(guān)系數(shù)據(jù)進(jìn)行學(xué)習(xí)，從而將每個視圖的節(jié)點特征信息和拓?fù)湫畔⒑喜⑥D(zhuǎn)化為局部表示和全局表示；基于多級信息最大化規(guī)則進(jìn)一步分級優(yōu)化全局表示和局部表示從而得到圖關(guān)系數(shù)據(jù)的有效表示；將最終每層的表示相加，輸入到分類器中，得到分類預(yù)測結(jié)果；同時，為了提升分類的準(zhǔn)確性，根據(jù)交叉熵分類損失函數(shù)對模型進(jìn)行監(jiān)督訓(xùn)練，提升分類準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及特征提取技術(shù)領(lǐng)域，具體涉及一種基于數(shù)據(jù)增強(qiáng)與多級信息最大化的圖關(guān)系數(shù)據(jù)的分類方法。

背景技術(shù)

在分子領(lǐng)域，通常通過節(jié)點和邊信息來表示分子的結(jié)構(gòu)圖，以便于根據(jù)節(jié)點和邊信息這些圖關(guān)系數(shù)據(jù)進(jìn)行科研研究。圖關(guān)系數(shù)據(jù)的任務(wù)主要分為兩種級別：節(jié)點級別和圖級別。節(jié)點級別的任務(wù)又可分為鏈路預(yù)測和節(jié)點分類問題，主要關(guān)注的是節(jié)點和邊層面的特征。圖級別任務(wù)不依賴于某個節(jié)點或某條邊的屬性，例如藥物分子的分類，這類問題更多地考慮整個圖的信息。

對于圖級別任務(wù)，傳統(tǒng)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法很難提取圖中的特征，例如基于隨機(jī)游走的方法，它的基本思想是將圖關(guān)系數(shù)據(jù)通過隨機(jī)游走的方式處理為規(guī)則的特征向量，然后送入下游分類器中。它無法對圖關(guān)系數(shù)據(jù)中的信息直接利用，在隨機(jī)游走的過程中必然會造成信息丟失，尤其是拓?fù)湫畔⒌膿p失。

因此，相關(guān)技術(shù)中在對圖關(guān)系數(shù)據(jù)進(jìn)行特征提取過程中存在數(shù)據(jù)丟失，特征提取準(zhǔn)確度差的技術(shù)問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種基于數(shù)據(jù)增強(qiáng)與多級信息最大化的圖關(guān)系數(shù)據(jù)的分類方法，以克服目前對圖關(guān)系數(shù)據(jù)進(jìn)行特征提取過程中存在數(shù)據(jù)丟失，特征提取準(zhǔn)確度差的問題。

為實現(xiàn)以上目的，本發(fā)明采用如下技術(shù)方案：

一方面，一種基于數(shù)據(jù)增強(qiáng)與多級信息最大化的圖關(guān)系數(shù)據(jù)的分類模型訓(xùn)方法，包括：

確定數(shù)據(jù)集，以所述數(shù)據(jù)集中每個樣本的基本單元為節(jié)點，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；

對于每個視圖，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)對全圖關(guān)系數(shù)據(jù)進(jìn)行學(xué)習(xí)，得到每個視圖的節(jié)點特征信息和拓?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器，輸出所述結(jié)構(gòu)圖的分類結(jié)果；

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

可選的，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，以兩個預(yù)設(shè)原子組為邊，構(gòu)建每個化合物的結(jié)構(gòu)圖；其中，所述預(yù)設(shè)原子組中包括至少一個原子；或，

所述數(shù)據(jù)集包括對象實體集，所述基本單元包括事物；以所述事物為節(jié)點，以兩個事物之間的關(guān)系為邊，構(gòu)建每個對象實體的結(jié)構(gòu)圖。

可選的，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。