公开(公告)号：CN113255895B

公开(公告)日：2023-06-16

申请号：CN202110632199.X

申请日：2021-06-07

Applicant: 之江实验室 ,  北京大学

Inventor： 夏逸宽 ,  张吉 ,  高军

IPC: G06N3/048 ,  G06N3/08 ,  G06F16/26

Abstract: 本发明涉及一种基于图神经网络表示学习的结构图对齐方法和多图联合数据挖掘方法。该方法对训练数据中的图进行子图采样；通过有标注的已经对齐的节点对，利用图神经网络学习子图中节点的低维向量表示；根据子图中节点的低维向量表示计算节点之间的相似度，并以相似度作为依据对图进行对齐，最终获得训练好参数的图神经网络；在推测阶段，对待对齐的两图通过训练好的图神经网络得到每个节点的低维向量表示，进而计算节点之间的相似度，并以相似度作为依据对两图进行对齐，进而利用对齐后的多图数据进行联合数据挖掘。本发明在有监督的设置下，考虑了模型的表达性能，损失函数设置，以及表示向量空间约束和可扩展性，实现了对已有方法的提升。

公开(公告)号：CN113255895A

公开(公告)日：2021-08-13

申请号：CN202110632199.X

申请日：2021-06-07

Applicant: 之江实验室 ,  北京大学

Inventor： 夏逸宽 ,  张吉 ,  高军

IPC: G06N3/04 ,  G06N3/08 ,  G06F16/26

Abstract: 本发明涉及一种基于图神经网络表示学习的结构图对齐方法和多图联合数据挖掘方法。该方法对训练数据中的图进行子图采样；通过有标注的已经对齐的节点对，利用图神经网络学习子图中节点的低维向量表示；根据子图中节点的低维向量表示计算节点之间的相似度，并以相似度作为依据对图进行对齐，最终获得训练好参数的图神经网络；在推测阶段，对待对齐的两图通过训练好的图神经网络得到每个节点的低维向量表示，进而计算节点之间的相似度，并以相似度作为依据对两图进行对齐，进而利用对齐后的多图数据进行联合数据挖掘。本发明在有监督的设置下，考虑了模型的表达性能，损失函数设置，以及表示向量空间约束和可扩展性，实现了对已有方法的提升。