公开(公告)号：CN111611498B

公开(公告)日：2024-01-02

申请号：CN202010338851.2

申请日：2020-04-26

Applicant: 北京科技大学

Inventor： 王铮 ,  叶晓俊 ,  王朝坤 ,  李云彤

IPC: G06F16/9536 ,  G06F40/30 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于领域内部语义的网络表示学习方法及系统，该方法包括获取图信息和标签信息；基于所获取的图信息和标签信息，通过读出函数，概括出每一个可见类对应的类语义描述向量；通过预设的网络模型探索图结构信息，并将网络模型的输出投影到语义向量空间和图结构空间中，并在其中通过预设的损失函数计算损失，对输出结果进行优化；基于优化后的结果，输出学习到的网络表示学习结果。本发明可以利用节点特征并处理多标签情况。为了利用完全不平衡的标签，本发明采用了一种新的目标函数来探索类语义知识。本发明中使用的类语义描述不依赖于人工注释或任何第三方资源，非常适合于实际应用程序。

公开(公告)号：CN111611498A

公开(公告)日：2020-09-01

申请号：CN202010338851.2

申请日：2020-04-26

Applicant: 北京科技大学

Inventor： 王铮 ,  叶晓俊 ,  王朝坤 ,  李云彤

IPC: G06F16/9536 ,  G06F40/30 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于领域内部语义的网络表示学习方法及系统，该方法包括获取图信息和标签信息；基于所获取的图信息和标签信息，通过读出函数，概括出每一个可见类对应的类语义描述向量；通过预设的网络模型探索图结构信息，并将网络模型的输出投影到语义向量空间和图结构空间中，并在其中通过预设的损失函数计算损失，对输出结果进行优化；基于优化后的结果，输出学习到的网络表示学习结果。本发明可以利用节点特征并处理多标签情况。为了利用完全不平衡的标签，本发明采用了一种新的目标函数来探索类语义知识。本发明中使用的类语义描述不依赖于人工注释或任何第三方资源，非常适合于实际应用程序。