公开(公告)号：CN115938504A

公开(公告)日：2023-04-07

申请号：CN202310002337.5

申请日：2023-01-03

Applicant: 南开大学

Inventor： 张瀚 ,  赵青青 ,  何孟遥 ,  全雄文

IPC: G16C20/40 ,  G16C20/30 ,  G16C20/70 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明涉及一种基于数据增强与多级信息最大化的图关系数据的分类方法,属于特征提取技术领域。在模型构建的过程中，进行特征提取，对结构图进行增强处理，增加了样本数量，更加本质和鲁棒的特征提取提升了准确性；对每个视图利用全连接神经网络和图卷积神经网络对图关系数据进行学习，从而将每个视图的节点特征信息和拓扑信息合并转化为局部表示和全局表示；基于多级信息最大化规则进一步分级优化全局表示和局部表示从而得到图关系数据的有效表示；将最终每层的表示相加，输入到分类器中，得到分类预测结果；同时，为了提升分类的准确性，根据交叉熵分类损失函数对模型进行监督训练，提升分类准确性。