【技术实现步骤摘要】
一种多维特征图嵌入方法、装置、设备及介质
本专利技术涉及计算机
,更具体地说,涉及一种多维特征图嵌入方法、装置、设备及介质。
技术介绍
机器学习(MachineLearning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。其中,图嵌入(graphembedding,networkembedding)是一种将图数据(通常为高维稠密的矩阵)映射为低微稠密向量的过程,能够很好地解决图数据难以高效输入机器学习算法的问题。在现有的图嵌入技术中,都只考虑了图拓扑节点的向量表征,忽略了节点自身的特征,普遍的做法是直接将人工提取的节点特征和节点生成向量Node2vec生成的向量简单的拼接在一起,这种做法不利于后续的模型学习,另一种做法是通过将节点的信息通过人工经验融入到边的权重中,这种做法主观意识干预比较大,可能不能反映真实的图拓扑结构。因此,现有技术中存在的问题还有待于改进。
技术实现思路
有鉴于此,为解决上述问题,本专利技术提供的技术方案如下:一种多维特征图嵌入方法,包括:根据服务器各节点之间的第一特征的相似度构建第一矩阵,所述第 ...
【技术保护点】
1.一种多维特征图嵌入方法,其特征在于,包括:/n根据服务器各节点之间的第一特征的相似度构建第一矩阵,所述第一矩阵记录了所述各个节点间关于所述第一特征的相似度;/n根据所述服务器各节点之间的第二特征的相似度构建第二矩阵,所述第二矩阵记录了所述各个节点间关于所述第二特征的相似度,所述第二特征为与所述第一特征不同的特征;/n根据所述第一矩阵与所述第二矩阵进行模型训练,得到第一模型;/n根据所述第一模型获取所述服务器中各个节点的节点向量。/n
【技术特征摘要】
1.一种多维特征图嵌入方法,其特征在于,包括:
根据服务器各节点之间的第一特征的相似度构建第一矩阵,所述第一矩阵记录了所述各个节点间关于所述第一特征的相似度;
根据所述服务器各节点之间的第二特征的相似度构建第二矩阵,所述第二矩阵记录了所述各个节点间关于所述第二特征的相似度,所述第二特征为与所述第一特征不同的特征;
根据所述第一矩阵与所述第二矩阵进行模型训练,得到第一模型;
根据所述第一模型获取所述服务器中各个节点的节点向量。
2.根据权利要求1所述的方法,其特征在于,所述根据服务器各节点之间的第一特征的相似度构建第一矩阵,包括:
当第一节点i与第二节点j之间的第一子特征相同时,获取第一分值;
当所述第一节点i与所述第二节点j之间的第二子特征相同时,获取第二分值;
其中,所述第一节点i与所述第二节点j为所述服务器中的任意两个节点,所述第一子特征与所述第二子特征为所述第一特征的子特征;
获取所述第一分值与所述第二分值的加和作为第一元素值,所述第一矩阵中的元素ai,j等于所述第一元素值,所述ai,j在所述第一矩阵的横行对应所述第一节点i,所述的ai,j在所述第一矩阵的纵列对应所述第二节点j。
3.根据权利要求2所述的方法,其特征在于,所述获取所述第一分值与所述第二分值的加和作为第一元素值之后,还包括:
将所述第一元素值进行归一化得到第二元素值,所述ai,j等于所述第二元素值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述服务器各节点之间的第二特征的相似度构建第二矩阵,包括:
根据第一节点i与第二节点j之间收发的第一数据值构建所述第二矩阵,其中,所述第二矩阵的元素bi,j等于所述第一数据值,所述bi,j在所述第二矩阵的横行对应所述第一节点i,所述的bi,j在所述第二矩阵的纵列对应所述第二节点j。
5.根据权利要求4所述的方法,其特征在于,根据所述第一矩阵与所述第二矩阵进行模型训练,得到第一模型,包括:
获取所述第二矩阵中所述第一节点i的节点向量ui及所述第二节点j的节点向量uj;
在所述第一模型中执行以下目标函数:
其中,为词生成向量Word2vec为最大似然估计部分,所述f(u)为任意一个节点向量的函数映射,所述Ns(u)为与所述f(u)相邻节点的函数映射,通过计算Pr()任意一个节点与相邻节点间相似度的条件概率,之后通过取对数求得一个节点与相邻节点的最大似然估计,所述节点u属于节点集合V中的任意一个节点,求和后得到所有节点的最大似然估计;
为自定义函数部分,所述ai,j为所述第一矩阵中的元素;
所述根据所述第一模型获取所述服务器中各...
【专利技术属性】
技术研发人员:刘浩,陈旺林,齐雅婷,冯淦,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。