四川大学琚玮获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉四川大学申请的专利一种基于超图结构学习的半监督节点分类方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119622498B 。
龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411801744.3,技术领域涉及:G06F18/2413;该发明授权一种基于超图结构学习的半监督节点分类方法是由琚玮;易思宇;毛正阳;吴蓓;肖之平;张铭设计研发完成,并于2024-12-09向国家知识产权局提交的专利申请。
本一种基于超图结构学习的半监督节点分类方法在说明书摘要公布了:本发明公开了一种基于超图结构学习的半监督节点分类方法,其包括采集图结构数据,并进行数据增强得到增广图结构;将图结构输入教师网络,得到教师节点表示;将增广图结构输入学生网络,得到学生节点表示;构建教师节点超图表示;根据教师节点表示、学生节点表示和教师节点超图表示,构建一致性目标函数、教师学生一致性目标函数和监督目标函数;采用一致性目标函数、教师学生一致性目标函数和监督目标函数构建联合目标函数对学生网络和教师网络进行迭代优化,直至完成两个网络的训练;获取半监督分类数据集的待分类节点,并将其输入已训练的教师网络,之后将教师网络的输出输入多层感知机进行分类,得到节点的预测类别分布。
本发明授权一种基于超图结构学习的半监督节点分类方法在权利要求书中公布了:1.一种基于超图结构学习的半监督节点分类方法,其特征在于,包括步骤: S1、采集半监督分类数据集中的图结构数据,并对图结构数据进行数据增强,得到增广图结构; S2、将图结构输入教师网络,得到教师节点表示;将增广图结构输入学生网络,得到学生节点表示; S3、根据教师节点表示,构建超图结构矩阵和超边嵌入矩阵,并将超图结构矩阵和超边嵌入矩阵的乘积作为教师节点超图表示; S4、根据教师节点超图表示和学生节点表示,构建增强超图结构矩阵和图结构数据中任一未标注节点与多个标注节点一致性的一致性目标函数; S5、将教师节点表示和学生节点表示输入多层感知机,得到学生网络和教师网络中节点的预测分类分布,根据未标注节点的预测分类分布,构建指导学生网络学习的教师学生一致性目标函数; S6、根据学生网络对应的标注节点的预测类型分布,构建监督学生网络进行训练的监督目标函数; S7、采用一致性目标函数、教师学生一致性目标函数和监督目标函数构建联合目标函数对学生网络和教师网络进行迭代优化,直至完成两个网络的训练; S8、获取半监督分类数据集的待分类节点,并将其输入已训练的教师网络,之后将教师网络的输出输入多层感知机进行分类,得到节点的预测类别分布; 所述半监督分类数据集为三个论文引用网络数据集Cora、CiteSeer、PubMed,两个来自Amazon的购买网络数据集AmazonComputers、AmazonPhoto以及一个共同作者网络数据集CoauthorCS中的任意一个; 在论文引用网络数据集中,每个节点代表一篇论文,边代表两篇论文之间的引用关系,目的是将每个节点分类到不同的学科领域;在Amazon衍生的购买网络数据集中,节点代表一个商品,边代表经常一起购买的两种商品,目的是将每个节点分类到不同的产品类别;在共同作者网络数据集中,节点代表一个作者,边表示作者之间的合作关系,目的是将每个节点分类到不同的研究领域; 步骤S4进一步包括: S41、随机选取预设数量的标注节点作为锚点,并将其存储至内存库中; S42、根据学生节点表示,计算任一未标注节点的嵌入表示与内存库中任一锚点的嵌入表示的关系相似性: 其中,为第i个未标注节点的嵌入表示;为内存库中第t个锚点的嵌入表示,,为预设数量;为指数函数;为余弦相似度;τ为温度系数;为与的关系相似性;为内存库中第个锚点的嵌入表示,; S43、根据教师节点超图表示,计算任一未标注节点的超图表示与内存库中任一锚点的超图表示的关系相似性: 其中,为第i个未标注节点的超图表示;为内存库中第t个锚点的超图表示;为与的关系相似性;为内存库中第个锚点的超图表示; S44、根据关系相似性和关系相似性,构建一致性目标函数: , 其中,为图结构数据中所有未标注节点的标签集合;为散度;为与内存库中第1个锚点的嵌入表示的关系相似性;为与内存库中第T个锚点的嵌入表示的关系相似性;为与内存库中第1个锚点的超图表示的关系相似性;为与内存库中第T个锚点的超图表示的关系相似性;为与内存库中所有锚点的嵌入表示的关系相似性;为与内存库中所有锚点的超图表示的关系相似性。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人四川大学,其通讯地址为:610000 四川省成都市一环路南一段24号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励