一种基于多视角学习的正类和无标记的图数据分类方法技术

本发明专利技术公开了一种基于多视角学习的正类和无标记的图数据分类方法，首先构建图数据的多个视角，即通过多个不同图数据特征提取方法，将图数据样本转换成多个不同的特征矢量；接着利用图数据的多个视角构建评估函数来确定样本与标签的关系，基于排序支持向量机(rankingSVM)构建评估函数，图数据样本越有可能是正类则其经评估函数计算的得分越高，即构建的评估函数满足正类图数据的得分大于负类图数据的得分；最终对于给定的图数据样本，先获得其多个视角，然后通过评估函数计算得分，从而预测给定图数据样本的标签；本发明专利技术能够有效利用图数据的多视角来处理基于正样本和无标记样本的图数据分类，保证分类的准确性。

A classification method of positive and unmarked graph data based on multi perspective learning

【技术实现步骤摘要】
一种基于多视角学习的正类和无标记的图数据分类方法
本专利技术涉及机器学习
，具体涉及一种基于多视角学习的正类和无标记的图数据分类方法。
技术介绍
随着大数据时代的发展，图数据的分类受到越来越多人的关注，其原因是图数据有强大的表现力。图数据可以用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有某种关系。图数据(graphdata)是一种抽象的数据结构，由顶点和边构成。许多元素可以使用图数据描述或建模，如DNA、化合物、社交网络等。图数据分类，指根据图数据的不同特征，将其分类成正类或负类。大部分现有的图数据分类方法都是假设训练样本里存在正类和负类，但在部分实际应用中，训练样本只存在正类的和无标签的(可能是正类也可能是负类)，例如在药物研究中，研究人员更容易发现某些化合物对疾病有积极作用。在这种情况下，基于正样本和无标记样本(positiveandunlabeledlearning)的通用方法可以用于图数据分类。在现有的PU问题研究中，最常见的PU分类方法有三类：(Ⅰ)基于两步策略的方法(two-stepstrategybasedmethods)；(Ⅱ)基于概率估计的方法(probabilityestimationbasedmethods)；(Ⅲ)基于成分敏感的方法(cost-sensitivebasedmethods)。基于两步策略的方法首先从无标签的样本中选择可靠的负类实例或可靠的正类实例，然后使用正类实例和负类实例构建分类器；基于概率估计的方法是估计样本属于正类的概率，然后进行预测；基于成本敏感的方法是通过对正类样本和无标签的样本给出适当的权重来训练分类器。由于图数据的特点，这些通用的PU分类方法不能直接用于图数据。现有的图数据分类方法提供了一个思路，它们通过在图数据上提取不同类型的特征，将图数据转换为数字向量。这些转换方法分为两类：(Ⅰ)基于特征挖掘的方法(featureminingbasedmethods)；(Ⅱ)基于嵌入学习的方法(embeddinglearningbasedmethods)。基于特征挖掘的方法首先找到有利于分类的拓扑特征或子图特征，然后根据图数据是否含有相应的特征，每个图数据可以用由0和1组成的矢量表示；基于嵌入学习的方法是希望在将图数据转换为低维矢量的过程中，最大程度地保留了图数据的结构特征和属性。另外，大部分现有的图数据分类方法只研究了从一个角度描述图数据的情况，其被称为单视角学习(singleviewlearning)。在实践中，我们可以从多个角度描述物体，因此我们也可以从不同角度描述数据。利用数据不同视角的多样性来提高性能的方式称为多视角学习(multi-viewlearning)。特别是在训练样本只存在正类图数据和无标签图数据的情况下，我们需要利用更多的图数据信息，而多视角学习的思想可以为图数据分类提供更丰富的信息。但是，现有的图数据分类方法只对训练样本里存在正样本和负样本的情况进行研究，并不适合基于正样本和无标记样本的情况，限制了图数据分类在实际生活中的应用；而且，现有的图数据分类方法只从一个角度描述图数据，从而导致了分类性能的不足。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种基于多视角学习的正类和无标记的图数据分类方法，该方法能够有效利用图数据的多视角来处理基于正样本和无标记样本的图数据分类，保证分类的准确性。本专利技术的目的通过下述技术方案实现：一种基于多视角学习的正类和无标记的图数据分类方法，包括下述步骤：(1)参数设置；设置每个视角的权重γv,γv反应图数据第v个视角的重要性；设置惩罚因子其允许训练过程中的错误；设置正则化参数ε1，ε2；设置非负松弛变量非负松弛变量用来保证图数据视角a与视角b一致性；(2)多视角构建；对于多视角构建，可采用不同的特征提取方法对图数据进行映射，如图数据转化为矢量(graph2vec)和挖掘频繁子图；用表示第v种映射方法，则对于图数据样本Gi，有m种映射方法则有m个视角(3)确定评估函数；由于模型处理的是多视角数据，即评估函数也应遵循多视角学习的一致性和互补性，故提出如下目标方程：R1＝{(p,u):Xp∈P,Xu∈U},R2＝{(i,j):Xi,Xj∈P+U},a＝1,…,m-1,b＝a+1,…,m,k＝1,…,n,v＝1,…,m；(4)目标方程的优化；使用拉格朗日乘子法技术，对模型的目标方程进行推导得到其对偶问题，其关于非负拉格朗日乘子公式如下：其中可对推导出的对偶问题使用优化算法如SMO算法进行求解，求解出的最佳拉格朗日乘子即可用于计算wv；(5)计算得分；对于新的图数据G，首先构造其m个视角表示其分数可使用以下公式计算：(6)利用得分预测给定图数据样本的标签结果。本专利技术与现有技术相比具有以下的有益效果：(1)本专利技术基于排序支持向量机模型即考虑图数据正样本和无标记样本的问题，也考虑从多角度去处理图数据的分类问题；(2)本专利技术通过结合成本敏感的策略拓展排序支持向量机模型，改善了其对于少量的正例图数据和大量无标签的图数据问题比较差的分类性能；(3)本专利技术通过引入多视角学习的相关约束，利用图数据的多视角，从而提高分类的效果；(4)本专利技术在建立目标模型的同时可以对其进行优化，从而降低了复杂度。附图说明图1为本专利技术的训练模型流程示意图；图2为本专利技术的图数据分类流程示意图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。本专利技术提出一种基于多视角学习的正类和无标记的图数据分类方法，首先构建图数据的多个视角，即通过多个不同图数据特征提取方法，将图数据样本转换成多个不同的特征矢量；接着利用图数据的多个视角构建评估函数来确定样本与标签的关系，我们是基于排序支持向量机(rankingSVM)构建评估函数，图数据样本越有可能是正类则其经评估函数计算的得分越高，即我们构建的评估函数满足正类图数据的得分大于负类图数据的得分；最终对于给定的图数据样本，先获得其多个视角，然后通过评估函数计算得分，从而预测给定图数据样本的标签。本方法主要分为三个阶段：对于给定含有np个正例图数据的集合和nu个无标签图数据的集合每个图数据G都有一个类标签y,y∈Y＝{+1,0,-1，表示图数据的标签是正的，无标签的和负的；(1)首先利用不同的图数据特征提取方法将图数据样本Gi映射为v个特征向量(v)代表第v种提取方法，将v个特征向量作为多视角排序SVM的输入，其中多视角排序SVM是由多个不同的向量W(v)组成；(2)经过第一阶段后，多视角排序SVM会为图数据样本生成分类得分。(3)最后利用得分预测标签结果。具体来说，如图1～2所示，一种基于多视角学习的正类和无标记的图数据分类方法，包括下述步骤：(1)参数设置；设置每个视角的权重γv,γv反应图数据第v个视角的重要性；设置惩罚因子其允许训练过程中的错误；设置正则化参数ε1，ε2；设置非负松弛变量非负松弛变量用来保证图数据视角a与视角b一致性。在此方法中，超参数的配置对分类效果是有影响的。在实施过程中，通过对每个数据集的交叉验证，可以得出超参数的经验选择范围，但对于不同的数据集就选择不同的超参数，这就非常耗时耗力。因此，为本文档来自技高网...

【技术保护点】
1.一种基于多视角学习的正类和无标记的图数据分类方法，其特征在于，包括下述步骤：(1)参数设置；设置每个视角的权重γv,γv反应图数据第v个视角的重要性；设置惩罚因子

【技术特征摘要】
1.一种基于多视角学习的正类和无标记的图数据分类方法，其特征在于，包括下述步骤：(1)参数设置；设置每个视角的权重γv,γv反应图数据第v个视角的重要性；设置惩罚因子其允许训练过程中的错误；设置正则化参数ε1，ε2；设置非负松弛变量非负松弛变量用来保证图数据视角a与视角b一致性；(2)多视角构建；对于多视角构建，可采用不同的特征提取方法对图数据进行映射，如图数据转化为矢量(graph2vec)和挖掘频繁子图；用表示第v种映射方法，则对于图数据样本Gi，有m种映射方法则有m个视角(3)确定评估函数；由于模型处理的是多视角数据，即评估函数也应遵循...

【专利技术属性】
技术研发人员：钟昊文，刘波，肖燕珊，林志全，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44