【技术实现步骤摘要】
一种基于多视图的图神经网络的重要节点识别方法
[0001]本专利技术涉及网络中重要节点识别，主要使用图神经网络的方法，从多视图的角度学习节点的表示，然后使用多层感知器得到节点的重要性评分。
技术介绍
[0002]网络是描述现实世界中普遍存在的对象与对象之间关系的一种数据形式，如神经系统网络、生物网络、交通网络、社交网络、金融交易网络等等。大量的物理学家开始研究现实世界中更加复杂多变的网络，发展出复杂网络这一研究方向，研究者们主要从统计物理的角度研究复杂网络模型如小世界网和无标度网等)及其复杂结构(如社团、层次、节点分类等)、网络上的动力学(如信息传播、网络演化等)等等。最近十几年，得益于机器学习，特别是深度学习的快速发展，研究者开始从机器学习的角度研究网络。
[0003]目前，深度学习已经成为人工智能领域最炙手可热的技术之一，在图像、语音和自然语言处理领域表现出最优的性能。基于通用近似理论，深度学习架构能够拟合现实世界中非常复杂的函数，因此深度学习模型在提取数据底层复杂模式的表达能力被广泛认可。然而网络作为表示关系数...
【技术保护点】
【技术特征摘要】
1.一种基于多视图的图神经网络的重要节点识别方法，其特征在于，包括如下步骤：步骤1，数据采集阶段，从社交平台上获取用户信息；步骤2，数据预处理阶段：对用户信息进行预处理，然后根据预处理的用户信息将所有用户表示为节点，用户之间的关系表示为连边，用户的相关属性表示为特征，建立网络图结构；步骤3，网络嵌入阶段：根据步骤2得到的网络图结构的基础上，扩展为多视图，从不同角度描述数据，在不同视图上使用图神经网络的方法得到节点的嵌入；步骤4，计算多视图：利用高阶的拓扑结构矩阵表示节点之间的关系；步骤5，重要节点识别阶段：基于步骤4得到的高阶的拓扑结构矩阵表示节点之间的关系使用注意力的方法融合多视图信息，得到节点最终的表示，预测节点的重要性，得到端到端训练模型，识别出重要的节点。2.根据权利要求1所述一种基于多视图的图神经网络的重要节点识别方法，其特征在于：步骤2中建立网络数据的方法步骤2a)，对用户信息中数据缺失的属性进行补0；步骤2b)，将所有用户表示为节点，用户之间的关系表示为连边建立图结构；步骤2c)，用户的相关属性处理为网络中节点的特征，得到网络图结构。3.根据权利要求2所述一种基于多视图的图神经网络的重要节点识别方法，其特征在于：步骤4中利用高阶的拓扑结构矩阵表示节点之间的关系的方法如...
【专利技术属性】
技术研发人员：王崇骏，袁金亮，徐鸣，孙浩然，张雷，
申请(专利权)人：南京大学，
类型：发明
国别省市：
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。