公开(公告)号：CN111222049B

公开(公告)日：2021-10-01

申请号：CN202010016654.9

申请日：2020-01-08

Applicant: 东北大学

Inventor： 张昀 ,  于明鹤 ,  孙劲桐 ,  于戈

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/335 ,  G06Q50/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于大数据信息检索技术领域，涉及语义增强的异构信息网络上Top‑k相似度搜索方法，包括如下步骤：步骤1：节点表示。使用预训练方法生成异构信息网络数据集中所有节点的内容和结构表示。步骤2：路径表示。步骤3：设计注意力层以结合两个卷积神经网络通道训练得到的内容和结构信息，步骤4：通过将以上综合表示CS输入MLP中，步骤5：使用对数损失函数训练模型。本发明模型利用卷积神经网络的两个通道同时分别训练内容信息和结构信息，并且采用了两种注意力机制，用于动态的区分不同元路径的语义差异性以及结合对象的内容和结构信息进行模型的综合训练。

公开(公告)号：CN111222049A

公开(公告)日：2020-06-02

申请号：CN202010016654.9

申请日：2020-01-08

Applicant: 东北大学

Inventor： 张昀 ,  于明鹤 ,  孙劲桐 ,  于戈

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/335 ,  G06Q50/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于大数据信息检索技术领域，涉及语义增强的异构信息网络上Top-k相似度搜索方法，包括如下步骤：步骤1：节点表示。使用预训练方法生成异构信息网络数据集中所有节点的内容和结构表示。步骤2：路径表示。步骤3：设计注意力层以结合两个卷积神经网络通道训练得到的内容和结构信息，步骤4：通过将以上综合表示CS输入MLP中，步骤5：使用对数损失函数训练模型。本发明模型利用卷积神经网络的两个通道同时分别训练内容信息和结构信息，并且采用了两种注意力机制，用于动态的区分不同元路径的语义差异性以及结合对象的内容和结构信息进行模型的综合训练。