一种面向半监督节点和超边分类的超图协作网络方法技术

本发明专利技术公开了一种面向半监督节点和超边分类的超图协作网络方法，涉及超图学习技术领域，包括超图协作网络，它是由三个主要部分组成，用于学习节点表示的节点编码器、用于学习超边表示的超边编码器和用于重构超图的解码器，该方法同时考虑了前一个节点和超边的信息以获得信息丰富的潜在表示，进一步引入超图重构误差作为正则化器来学习有效的分类器，能够解决半监督场景下的超图节点分类和超边分类的问题，并用准准确率、精度、召回率、F1分数、精准匹配率、0/1损失在多个基准数据集上与现有的几种方法进行比较，实验结果表明本方法的优越性。

【技术实现步骤摘要】

本专利技术涉及超图学习，具体涉及一种面向半监督节点和超边分类的超图协作网络方法。

技术介绍

1、随着互联网不断的发展，人们在享受计算机技术带来便利的同时，也产生和制造了海量的数据，在现实世界中，许多这些实际存在的数据集中样本之间的关系比成对的关系更复杂，简单地将样本之间的关系表示为成对标准图可能会导致宝贵信息的丢失，例如，在论文作者网络中，如果两篇论文至少有一个共同作者，那么就无法通过连接两篇论文的标准图来判断同一人是否是更多论文的作者。然而，这些信息对于发现论文的潜在主题至关重要，因为同一作者撰写的论文很可能具有相同的主题。超图可以模拟一个超边连接两个以上节点的情况。超图自然而然地适用于模拟实际数据的相关性，因超图学习在复杂数据关系建模方面的能力和灵活性，它正在机器学习和数据挖掘领域流行起来。

2、超图是指一条边可以连接两个以上节点的图。也就是说，边是节点的一个子集。超图学习因其在表示高阶相关性方面的优势而备受关注，研究者提出通过基于超图的标签传播方法来解决半监督学习范式的问题，这种方法可以降低共享一个共同超边的节点在标签上的差异，最近，研究本文档来自技高网...

【技术保护点】

1.一种面向半监督节点和超边分类的超图协作网络方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种面向半监督节点和超边分类的超图协作网络方法，其特征在于：所述S1中构建的超图形式为G＝{V,ε,W,U},超图G由一组节点V和一组超边ε以及一个由超边权重组成的对角矩阵W和由节点权重组成的对角矩阵U构成，V有N个，ε有M个，U,W∈RN*N，当节点和超边没有重要信息的时候，每个节点和每个超边都可以用1来赋值，这意味着W和U中的对角线值都设置为1，分别用F和O表示节点和超边的特征维度然后，节点和超边的数据可以表示为X∈RN*M,Y∈RM*O,CV,CE分别代表节点和超边的...

【技术特征摘要】

1.一种面向半监督节点和超边分类的超图协作网络方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种面向半监督节点和超边分类的超图协作网络方法，其特征在于：所述s1中构建的超图形式为g＝{v,ε,w,u},超图g由一组节点v和一组超边ε以及一个由超边权重组成的对角矩阵w和由节点权重组成的对角矩阵u构成，v有n个，ε有m个，u,w∈rn*n，当节点和超边没有重要信息的时候，每个节点和每个超边都可以用1来赋值，这意味着w和u中的对角线值都设置为1，分别用f和o表示节点和超边的特征维度然后，节点和超边的数据可以表示为x∈rn*m,y∈rm*o,cv,ce分别代表节点和超边的种类数，分别代表节点和超边对应的标签；

3.根据权利要求1所述的一种面向半监督节点和超边分类的超图协作网络方法，其特征在于：所述s2中聚合节点编码...

【专利技术属性】
技术研发人员：吴汉瑞，张戈，龙锦益，
申请(专利权)人：暨南大学，
类型：发明
国别省市：