一种基于解耦的异质网络嵌入方法、装置及电子设备制造方法及图纸

本发明专利技术实施例提供了一种基于解耦的异质网络嵌入方法、装置及电子设备，该方法包括：将从待处理异质网络获取的不同元路径下的嵌入向量输入至编码层，获得待定的共有特征向量，并基于元路径鉴别网络模型，得到该待定的共有特征向量的损失函数值；将从嵌入向量查找层获取的待定的特有特征向量与待定的共有特征向量进行合成，并基于语义鉴别网络模型，得到合成嵌入向量的损失函数值；在两个损失函数值小于或等于预设损失函数阈值时；输出该待定的共有特征向量与待定的特有特征向量，否则，调整编码层、嵌入向量查找层和生成层的参数，并重复执行将多组嵌入向量输入至编码层的步骤。从而实现在不选择元路径的前提下，保证异质网络的低维向量的准确度。

【技术实现步骤摘要】
一种基于解耦的异质网络嵌入方法、装置及电子设备
本专利技术涉及信息处理
，特别是涉及一种基于解耦的异质网络嵌入方法、装置及电子设备。
技术介绍
包含多种类型节点和链接的异质网络在现实世界中无处不在，例如生物网络、文献网络和社交网络等。基于异质网络可以对实际场景中复杂的交互关系和丰富的语义信息进行建模，因此，异质网络分析已经成为数据挖掘的研究热点之一。而随着网络嵌入的兴起，许多工作转向异质网络嵌入的研究，其目的是得到节点低维向量的同时保留不同类型节点间的语义和结构关系。通过异质网络嵌入得到的低维向量，可以解决实际应用中的许多基本问题，如节点分类、链接预测和推荐等。通常在异质网络中，包括多种类型的节点和边，其中，节点的边表示节点之间的关系，例如，在图1所示的异质网络中，可以包括三种类型的节点：作者、论文和会议，还可以包括他们之间的关系，例如：作者与论文间的撰写/被撰写关系和论文和会议之间的发表/被发表关系等。为了能够通过异质网络嵌入得到异质网络的低维向量，最主要的一类方法是基于元路径的异质网络嵌入方法，具体的，可以先利用元路径本文档来自技高网...

【技术保护点】
1.一种基于解耦的异质网络嵌入方法，其特征在于，所述方法包括：/n获取待处理异质网络的多组嵌入向量，其中，所述待处理异质网络中的每条元路径具有一组所述嵌入向量，每组所述嵌入向量包括对应的元路径中的所有节点的节点嵌入向量；/n将所述多组嵌入向量输入至编码层，获得多组待定的共有特征向量，其中，所述编码层为初始化后的编码层或调整参数后的编码层；所述共有特征向量用于表征所述待处理异质网络的所有元路径共有的属性信息，每组所述共有特征向量对应一条元路径；/n将所述多组待定的共有特征向量输入至元路径鉴别网络模型，得到所述元路径鉴别网络模型对应的损失函数值；/n获取嵌入向量查找层输出的多组待定的特有特征向量，...

【技术特征摘要】
1.一种基于解耦的异质网络嵌入方法，其特征在于，所述方法包括：
获取待处理异质网络的多组嵌入向量，其中，所述待处理异质网络中的每条元路径具有一组所述嵌入向量，每组所述嵌入向量包括对应的元路径中的所有节点的节点嵌入向量；
将所述多组嵌入向量输入至编码层，获得多组待定的共有特征向量，其中，所述编码层为初始化后的编码层或调整参数后的编码层；所述共有特征向量用于表征所述待处理异质网络的所有元路径共有的属性信息，每组所述共有特征向量对应一条元路径；
将所述多组待定的共有特征向量输入至元路径鉴别网络模型，得到所述元路径鉴别网络模型对应的损失函数值；
获取嵌入向量查找层输出的多组待定的特有特征向量，其中，所述嵌入向量查找层为初始化后的嵌入向量查找层或调整参数后的嵌入向量查找层；每组所述特有特征向量对应一条元路径，所述特有特征向量用于表征每条元路径特有的属性信息；
将所述多组待定的共有特征向量与所述多组待定的特有特征向量输入至生成层进行合成，得到多组合成嵌入向量，其中，所述生成层为初始化后的生成层或调整参数后的生成层；所述多组合成嵌入向量中的任一合成嵌入向量与所述多组嵌入向量的任一嵌入向量不同；
将所述多组合成嵌入向量输入至语义鉴别网络模型中，得到所述语义鉴别网络模型对应的损失函数值；
判断所述元路径鉴别网络模型对应的损失函数值和所述语义鉴别网络模型对应的损失函数值，是否小于或等于预设损失函数阈值；
如果是，将所述多组待定的共有特征向量与所述多组待定的特有特征向量对应作为所述待处理异质网络的各个元路径共有特征向量和特有特征向量；
否则，基于所述元路径鉴别网络模型对应的损失函数值和所述语义鉴别网络模型对应的损失函数值，调整所述编码层、所述嵌入向量查找层和所述生成层的参数，并重复执行所述将所述多组嵌入向量输入至编码层，获得多组待定的共有特征向量的步骤。


2.根据权利要求1所述的方法，其特征在于，所述获取待处理异质网络的多组嵌入向量，包括：
将所述待处理异质网络的每条元路径输入至预设节点嵌入网络模型，获得所述预设节点嵌入网络模型输出的多组嵌入向量。


3.根据权利要求1所述的方法，其特征在于，所述获取嵌入向量查找层输出的多组待定的特有特征向量，包括：
获取所述待处理异质网络的每条元路径的标识信息，将所述每条元路径的标识信息输入至所述嵌入向量查找层，以使得所述嵌入向量查找层查找预先生成的与所述每条元路径的标识信息对应的一组待定的特有特征向量，并输出查找出的与所述每条元路径对应的一组待定的特有特征向量，其中，所述嵌入向量查找层在每次调整参数后，会生成与所述每条元路径对应的待定的特有特征向量。


4.根据权利要求1所述的方法，其特征在于，所述将所述多组待定的共有特征向量与所述多组待定的特有特征向量输入至生成层进行合成，得到多组合成嵌入向量，包括：
针对每条元路径，将该元路径的一组待定的共有特征向量和所述待处理异质网络中除该元路径外的其他元路径的待定的特有特征向量合成，得到多组合成嵌入向量。


5.根据权利要求1所述的方法，其特征在于，所述语义鉴别网络模型包括真伪分类网络子模型和语义分类网络子模型；
所述将所述多组合成嵌入向量输入至语义鉴别网络模型中，得到所述语义鉴别网络模型对应的损失函数值，包括：
将所述多组合成嵌入向量分别输入至所述真伪分类网络子模型和语义分类网络子模型，得到所述真伪分类网络子模型对应的损失函数值和语义分类网络子模型对应的损失函数值；
相应的，所述基于所述元路径鉴别网络模型对应的损失函数值和所述语义鉴别网络模型对应的损失函数值，调整所述编码层、所述嵌入向量查找层和所述生成层的参数，包括：
基于所述元路径鉴别网络模型对应的损失函数值调整所述编码层的参数；基于所述真伪分类网络子模型对应的损失函数值调整所述生成层的参数；基于所述语义鉴别网络模型对应的损失函数值调整所述...

【专利技术属性】
技术研发人员：石川，王啸，王睿嘉，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11