【技术实现步骤摘要】
一种基于图结构的多源迁移学习方法
本专利技术涉及人工智能领域，具体涉及一种基于图结构的多源迁移学习方法。技术背景随着互联网技术的快速发展，社会步入信息化时代，网民不断地增多，面向社交应用的软件也迅速增多。互联网信息随着时间而不断变化着，数据也越来越多样化。如果用节点表示实体，边表示实体之间的关系，则数据可以形成一个巨大的网络结构。通过对这个网络结构进行深入挖掘，可以得到知识信息的快速响应，使得我们的社会生活更加智能化。其实这种图数据网络已经应用于我们的生活中，从一开始的搜索引擎，例如Google搜索、百度搜索，以及现在的推荐系统、智能机器人、数据风控等等，都是图数据网络应用在工业界的体现。为更好的分析这些图数据网络，节点分类问题的研究是分析这些图数据网络的重要问题。对于一些新兴业务或一些新产生的图数据网络，网络中的节点具有较少的标签信息或者甚至无可用标签信息。若对这些网络进行手工标注节点标签将耗费大量的人力资源，若仅利用已知的少量标签信息则无法训练出一个较好的分类器。而在现实生活中，大量丰富的标签信息存在于许多已知的网络...
【技术保护点】
1.一种基于图结构的多源迁移学习方法，其特征在于，包括，/n步骤一、获取多个源域数据集和一个目标域数据集，其中，所述源域数据集包括源域图结构、源域数据节点实体特征和源域标签；所述目标域数据集包括目标域图结构和目标域数据节点实体特征；/n步骤二、根据源域标签对源域图结构构建节点T-邻域结构，获得T-邻域结构集合C1；其中，所述T-邻域结构的定义为，对于图结构数据中节点T-邻域结构为从所述节点出发且深度为T所遍历到的所有节点形成的子图结构，所述子图结构包含深度T内所有节点的标签信息。/n步骤三、对所述T-邻域结构集合C1进行去重，获得子图集B；/n步骤四、学习子图集B，获得通用...
【技术特征摘要】
1.一种基于图结构的多源迁移学习方法，其特征在于，包括，
步骤一、获取多个源域数据集和一个目标域数据集，其中，所述源域数据集包括源域图结构、源域数据节点实体特征和源域标签；所述目标域数据集包括目标域图结构和目标域数据节点实体特征；
步骤二、根据源域标签对源域图结构构建节点T-邻域结构，获得T-邻域结构集合C1；其中，所述T-邻域结构的定义为，对于图结构数据中节点T-邻域结构为从所述节点出发且深度为T所遍历到的所有节点形成的子图结构，所述子图结构包含深度T内所有节点的标签信息。
步骤三、对所述T-邻域结构集合C1进行去重，获得子图集B；
步骤四、学习子图集B，获得通用结构；其中，所述通用结构与具有相同标签的图结构相似度高，与具有不同标签的图结构相似度低；
步骤五、利用所述通用结构和所述T-邻域结构集合C1获得源域节点结构特征；
步骤六、将所述源域节点实体特征和所述源域节点结构特征相结合，获得源域新特征；
步骤七、根据源域数据节点实体特征和目标域数据节点实体特征对目标域标签进行初步预测，获得目标域初步预测标签；
步骤八、根据目标域初步预测标签对目标域图结构构建节点T-邻域结构，获得T-邻域结构集合C2；
步骤九、利用所述通用结构和所述T-邻域结构集合C2获得目标域节点结构特征；
步骤十、将所述目标域节点实体特征和所述目标域节点结构特征相结合，获得目标域新特征；
步骤十一、根据所述源域新特征和所述目标域新特征获得目标域节点标签。
2.根据权利要求1所述一种基于图结构的多源迁移学习方法，其特征在于，步骤四中所述通用结构表示为：
其中，B(k)表示通用结构中元素；ave表示对集合求平均；Y表示标签；Pr(·|·)表示两个图之间的相似度；bi、bj表示子图集B中元素；P(i)、Q(j)表示子图集B中元素在T-邻域结构集合中出现的次数。
3.根据权利要求2所述一种基于图结构的多源迁移学习方法，其特征在于，所述通用结构中两个图之间的相似度Pr的计算公式为：
其中，|b|、|B(k)|分别表示图b或图B(k)中点的个数和边的条数的总和；|mcom(b,B(k))|表示图b和图B(k)的最大公共子图...
【专利技术属性】
技术研发人员：张伟哲，何慧，方滨兴，杨洪伟，白雅雯，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：黑龙江;23
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。