[發(fā)明專(zhuān)利]一種針對(duì)不完整異質(zhì)圖的基于格的節(jié)點(diǎn)分類(lèi)方法與系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202310071841.0
• 申請(qǐng)日: 2023-01-16
• 公開(kāi)（公告）號(hào): CN116304858A
• 公開(kāi)（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 劉士軍;梅廣旭;潘麗;楊承磊
• 申請(qǐng)（專(zhuān)利權(quán)）人: 山東大學(xué)
• 主分類(lèi)號(hào): G06F18/241
• 分類(lèi)號(hào): G06F18/241;G06N5/02
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 黃海麗

本發(fā)明提供了一種針對(duì)不完整異質(zhì)圖的基于格的節(jié)點(diǎn)分類(lèi)方法及系統(tǒng)，所述方案包括：獲取不完整異質(zhì)圖，其中，所述不完整異質(zhì)圖包括節(jié)點(diǎn)、邊類(lèi)型、數(shù)目以及相關(guān)屬性字段；根據(jù)獲得的數(shù)據(jù)，計(jì)算不同的特征集和結(jié)構(gòu)集；根據(jù)獲得的特征集和結(jié)構(gòu)集中的不同元素間的偏序關(guān)系，計(jì)算出特征偏序集和結(jié)構(gòu)偏序集；根據(jù)得到的特征偏序集和結(jié)構(gòu)偏序集，構(gòu)建特征格和結(jié)構(gòu)格；將特征格和結(jié)構(gòu)格中的每個(gè)單元輸入到基于格的雙注意力網(wǎng)絡(luò)，輸出待預(yù)測(cè)節(jié)點(diǎn)對(duì)的預(yù)測(cè)值。

技術(shù)領(lǐng)域

本發(fā)明屬于異質(zhì)信息網(wǎng)絡(luò)節(jié)點(diǎn)分類(lèi)技術(shù)領(lǐng)域，尤其涉及一種針對(duì)不完整異質(zhì)圖的基于格的節(jié)點(diǎn)分類(lèi)方法與系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

現(xiàn)實(shí)世界中的數(shù)據(jù)如社交網(wǎng)絡(luò)、電商網(wǎng)絡(luò)和生物化學(xué)網(wǎng)絡(luò)經(jīng)常包含多種類(lèi)型的實(shí)體和實(shí)體間的交互信息。這種類(lèi)型數(shù)據(jù)經(jīng)常被建模為異質(zhì)信息網(wǎng)絡(luò)(heterogeneousinformation?networks,HINs)或稱(chēng)為異質(zhì)圖(heterogeneous?graphs)。近年來(lái)有很多研究被提出，來(lái)解決異質(zhì)圖上的節(jié)點(diǎn)分類(lèi)問(wèn)題。但這些研究大多基于處理過(guò)的完整圖數(shù)據(jù)，沒(méi)有考慮現(xiàn)實(shí)世界異質(zhì)圖數(shù)據(jù)常存在的特征不完整(characteristic?incompleteness)和結(jié)構(gòu)不完整(structure?incompleteness)的情況。以AMiner公開(kāi)的ACM論文數(shù)據(jù)為例，如實(shí)施例AMiner公開(kāi)的ACM論文數(shù)據(jù)(圖1)所示，其中包含文章(Paper)、標(biāo)題(Title)、年份(Year)、摘要(Abstract)、作者(Author)、會(huì)議(Venue)和參考文獻(xiàn)(Reference)等信息。將圖1的信息進(jìn)行統(tǒng)計(jì)，可以得到帶有各種標(biāo)簽組合的節(jié)點(diǎn)如圖2(a)所示，這些不同的特征和結(jié)構(gòu)組合反映了節(jié)點(diǎn)的不同語(yǔ)義表示。針對(duì)這類(lèi)不完整的異質(zhì)圖數(shù)據(jù)，現(xiàn)有研究主要有以下不足：

(1)對(duì)不完整的數(shù)據(jù)，采用丟棄或補(bǔ)充的方式使數(shù)據(jù)整齊。但這種方法會(huì)導(dǎo)致信息丟失或引入噪聲。如圖2(a)所示，若以P₂類(lèi)型節(jié)點(diǎn)為例，只保留標(biāo)題、年份和摘要信息，其他節(jié)點(diǎn)的信息丟棄，將導(dǎo)致作者等信息丟失；對(duì)于缺少這三類(lèi)信息的節(jié)點(diǎn)，進(jìn)行0/1填充或者參數(shù)化填充，將引入額外的噪聲數(shù)據(jù)；

(2)對(duì)不完整異質(zhì)圖挖掘高階結(jié)構(gòu)，現(xiàn)有模型不能夠有效地進(jìn)行挖掘并表示。基于正式概念分析的方法大多只停留于特征層面，而不能對(duì)結(jié)構(gòu)進(jìn)行有效表示。以圖2(b)為例，大多數(shù)方法只能表示不同的特征組合，而不能挖掘出圖2(c)這種結(jié)構(gòu)關(guān)系；

(3)針對(duì)不同的特征組和結(jié)構(gòu)組關(guān)系，現(xiàn)有模型不能夠有效地分別學(xué)習(xí)這些特征組之間的重要程度和結(jié)構(gòu)之間的重要程度，這導(dǎo)致對(duì)異質(zhì)圖的表示模型泛化能力不高。

發(fā)明內(nèi)容

本發(fā)明為了解決上述問(wèn)題，提供了一種針對(duì)不完整異質(zhì)圖的基于格的節(jié)點(diǎn)分類(lèi)方法與系統(tǒng)，所述方案以不完整異質(zhì)圖的高階結(jié)構(gòu)為導(dǎo)向，通過(guò)對(duì)不完整數(shù)據(jù)中的不同的特征集和結(jié)構(gòu)集進(jìn)行統(tǒng)計(jì)，通過(guò)計(jì)算特征和結(jié)構(gòu)間的偏序關(guān)系，構(gòu)建特征格和結(jié)構(gòu)格，從而實(shí)現(xiàn)挖掘出不完整異質(zhì)圖上的所有結(jié)構(gòu)，在并不損失信息和引入額外噪聲數(shù)據(jù)的前提下，有效解決了不完整異質(zhì)圖上的結(jié)構(gòu)表示問(wèn)題。

根據(jù)本發(fā)明實(shí)施例的第一個(gè)方面，提供了一種針對(duì)不完整異質(zhì)圖的基于格的節(jié)點(diǎn)分類(lèi)方法，包括：

獲取不完整異質(zhì)圖，其中，所述不完整異質(zhì)圖包括節(jié)點(diǎn)、邊類(lèi)型、數(shù)目以及相關(guān)屬性字段；

根據(jù)獲得的數(shù)據(jù)，計(jì)算不同的特征集和結(jié)構(gòu)集；

根據(jù)獲得的特征集和結(jié)構(gòu)集中的不同元素間的偏序關(guān)系，計(jì)算出特征偏序集和結(jié)構(gòu)偏序集；

根據(jù)得到的特征偏序集和結(jié)構(gòu)偏序集，構(gòu)建特征格和結(jié)構(gòu)格；

將特征格和結(jié)構(gòu)格中的每個(gè)單元輸入到基于格的雙注意力網(wǎng)絡(luò)，輸出待預(yù)測(cè)節(jié)點(diǎn)對(duì)的預(yù)測(cè)值。

進(jìn)一步的，所述根據(jù)獲得的數(shù)據(jù)，計(jì)算不同的特征集和結(jié)構(gòu)集，具體包括：