公开(公告)号：CN113326884B

公开(公告)日：2023-06-16

申请号：CN202110652830.2

申请日：2021-06-11

Applicant: 之江实验室 ,  北京大学

Inventor： 罗翠铃 ,  张吉 ,  高军

IPC: G06F18/2415 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种大规模异构图节点表示的高效学习方法及装置。该方法计算异构图中节点的邻居的重要性，根据重要性对节点的邻居进行采样；然后根据异构图中节点的类型信息，学习节点的类型嵌入向量；然后将邻居的类型嵌入向量和属性特征进行融合，得到邻居的向量表示。本发明的大规模异构图节点表示的高效学习方法是在半监督设置下，综合利用异构图的拓扑结构、关系类型、特征属性等信息，在兼顾算法的高效性和可扩展性的情况下学习节点的向量表示，实现了对大规模异构图中缺失的节点标签的分类预测。

公开(公告)号：CN113326884A

公开(公告)日：2021-08-31

申请号：CN202110652830.2

申请日：2021-06-11

Applicant: 之江实验室 ,  北京大学

Inventor： 罗翠铃 ,  张吉 ,  高军

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种大规模异构图节点表示的高效学习方法及装置。该方法计算异构图中节点的邻居的重要性，根据重要性对节点的邻居进行采样；然后根据异构图中节点的类型信息，学习节点的类型嵌入向量；然后将邻居的类型嵌入向量和属性特征进行融合，得到邻居的向量表示。本发明的大规模异构图节点表示的高效学习方法是在半监督设置下，综合利用异构图的拓扑结构、关系类型、特征属性等信息，在兼顾算法的高效性和可扩展性的情况下学习节点的向量表示，实现了对大规模异构图中缺失的节点标签的分类预测。