-
公开(公告)号：CN112686376A
公开(公告)日：2021-04-20
申请号：CN202110033737.3
申请日：2021-01-11
Applicant: 东北大学
Abstract: 本发明公开一种基于时序图神经网络的节点表示方法及增量学习方法，属于图表示学习技术领域。预处理操作后用带有双重注意力机制的GCN模型分别处理不同时刻的时序图快照，进行图卷积计算，求得任一时刻任一节点的结构嵌入表示；将在每一时刻任一节点的结构嵌入表示作为一个序列输入到t‑GRU时序网络中进行串行计算，求得任一时刻任一节点的最终的嵌入表示；针对T时刻的新数据，先将T时刻之前的中间结果存储起来；只利用一个带有双重注意力机制的GCN模型处理T时刻的增量图数据；将中间结果以及T时刻结果合成一个序列输入到t‑GRU时序网络中进行串行计算得到T时刻任一节点的嵌入表示。适用多种时序图场景，节点表示信息更丰富且准确，模型迭代收敛速度快。
Search Results
1
records
(took 0.01 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
