龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：东北大学
申请日：2024-02-07
公开（公告）日：2024-05-10
公开（公告）号：CN118013123A
主分类号：G06F16/9535
分类号：G06F16/9535;G06N3/0895;G06N3/0464
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.28#实质审查的生效;2024.05.10#公开
摘要：本发明提供一种基于跨尺度图对比学习的好友推荐方法，涉及网络科学技术领域。该方法具体包括：获取用户数据并对用户数据进行建模，构建图结构数据；利用随机采样增强方法对建模后的图结构数据进行数据增强；构建由两层图卷积层堆叠构成的图卷积神经网络作为编码器，利用编码器对数据增强得到的视图的节点向量进行编码，得到节点的向量表示；利用读出函数将节点的向量表示映射成图的向量表示；分别构建正负样本对，并采用信息最大化非参数互信息估计作为损失函数更新编码器和读出函数的参数，得到训练好的编码器和读出函数；利用训练好的编码器和读出函数对给定用户进行好友推荐，解决了图对比学习中忽略图的整体结构信息的问题。
主权项：1.一种基于跨尺度图对比学习的好友推荐方法，其特征在于，该方法包括如下步骤：步骤1：获取用户数据并对用户数据进行建模，构建图结构数据；步骤2：利用随机采样增强方法对建模后的图结构数据进行数据增强，得到数据增强后的视图；步骤3：构建由两层图卷积层堆叠构成的图卷积神经网络作为编码器，利用编码器对得到的视图的节点向量进行编码，得到节点的向量表示；步骤4：利用读出函数将节点的向量表示映射成图的向量表示；步骤5：根据节点的向量表示和图的向量表示分别构建正负样本对，并采用信息最大化非参数互信息估计作为损失函数更新编码器和读出函数的参数，得到训练好的编码器和读出函数；步骤6：利用训练好的编码器和读出函数对给定用户进行好友推荐。
全文数据：
权利要求：
百度查询： 东北大学 一种基于跨尺度图对比学习的好友推荐方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号