公开(公告)号：CN118964702A

公开(公告)日：2024-11-15

申请号：CN202410954619.X

申请日：2024-07-17

Applicant: 扬州大学

Inventor： 徐晓华 ,  郑斯丹 ,  何萍 ,  朱含玉 ,  郭思驿

IPC: G06F16/906 ,  G06F16/901 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种可缩放隐等距流形的引文网络节点分类方法与系统。本发明首先开发了具有动态掩码率的元路径掩码，用于元路径的边缘构成的邻接矩阵重建；其次利用动态掩码率，学习节点属性恢复，探究节点属性中涉及的内容信息，便于模型关注目标节点类型；然后设计了位置特征预测策略，整合每个节点的位置信息；之后构建缩放等距正则化项，最后由上面四部分损失定义引文网络数据集上的总损失来训练可缩放隐等距流形自编码器。本发明有效解决了当前深度学习在挖掘引文网络节点过程会破坏原始空间的几何结构的问题，从而捕获样本节点间的流形结构，提高引文网络节点分类的准确性。因此，本发明能够在引文网络节点分类任务中取得更好的性能表现。

公开(公告)号：CN119271861A

公开(公告)日：2025-01-07

申请号：CN202411055445.X

申请日：2024-08-02

Applicant: 扬州大学

Inventor： 徐晓华 ,  郭思驿 ,  何萍 ,  朱含玉 ,  郑斯丹 ,  叶进 ,  胡雨豪

IPC: G06F16/906 ,  G06F16/901 ,  G06F18/213 ,  G06F18/22 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048

Abstract: 本发明公开了一种混合异配图高阶邻居卷积网络的引文网络节点分类方法及系统。本发明通过两个主要策略来构造图的邻接矩阵：首先，通过混合函数融合节点的一阶到k阶邻居信息，自适应地学习一个新的邻接矩阵；其次，利用多层感知机模型生成节点的软标签矩阵，并据此计算节点间的类相似度矩阵。在混合异配图高阶邻居卷积网络模型中，使用这两种学习到的邻接矩阵和类相似度矩阵进行操作，以进行更有效的节点特征更新。接着，本发明通过损失函数进行优化，以提高处理异配图数据时节点分类的准确性。最后，通过在多个真实数据集上与其他网络模型进行对比实验，本发明能够显著提高异配图上节点分类的准确性，并验证了混合异配图高阶邻居卷积网络在提取节点信息和提高节点分类准确率方面的有效性。