您所在的位置: 成果库 基于关系正则化的异构图神经网络分类方法

基于关系正则化的异构图神经网络分类方法

成果类型:: 发明专利

发布时间: 2023-12-08 09:08:02

科技成果产业化落地方案
方案提交机构:成果发布人| 黄哲芬 | 2023-12-08 09:08:02

本发明的目的在于提供一种基于关系正则化的异构图神经网络分类方法,首先得到基于不同元路径的多个元路径图,然后使用图卷积神经网络将节点高阶邻居的重要信息融合进节点表示中,以此来捕获异构图节点间的高阶关系,最后对异构图中的基本关系进行建模,确保在捕获高阶邻域信息的同时,也能够正确捕捉图中的一阶邻域信息,从而避免对高阶邻域信息的过拟合,提高异构图神经网络的分类效果。

提出了一种基于关系正则化的异构图神经网络分类方法,首先得到基于不同元路径的多个元路径图,然后使用图卷积神经网络将节点高阶邻居的重要信息融合进节点表示中,以此来捕获异构图节点间的高阶关系,最后对异构图中的基本关系进行建模,确保在捕获高阶邻域信息的同时,也能够正确捕捉图中的一阶邻域信息,从而避免对高阶邻域信息的过拟合,提高异构图神经网络的分类效果。

异构图数据挖掘常用的一种方法是使用人工定义的元路径方式,将异构图转化为由元路径所定义的同构图。此后,就可以在由元路径所定义的同构图上使用传统的图神经网络进行学习。这种方法分为两个阶段,第一阶段是人工定义元路径,将异构图转化为由元路径定义的同构图,第二阶段是进行同构图上的学习和训练。但这种方式的缺点是,元路径需要该领域的专家人工设定,并且,模型的效果很大程度上依赖人工设定的元路径,如果元路径设置不合适,那么下游任务的效果将大幅降低。

使用设置元路径的方法,将异构图转化为由元路径所定义的同构图,其主要困难在于,对于不同任务而言,较为有效的元路径可能具有不同的长度,复合成元路径的关系也可能具有不同的类型。例如,在引文网络中,作者这一类型的节点,可能受到元路径“作者-论文-作者”或者“作者-论文-会议-论文-作者”的影响。

对于这个问题,一些学者做出了改进,例如将输入的异构图转化为基于不同元路径的同构图,并端到端地学习图上地节点表示。虽然这些模型可以学习到节点之间的高阶关系,但是基于元路径的方法总是更偏向于聚合高阶邻域的信息,例如对于“作者-论文-作者”的元路径,当中心节点为第一个“作者”时,基于这个元路径聚集到的邻域信息通常是作为其二阶邻居的另一个“作者”,而对其一阶邻居“论文”往往缺少直接的感知。然而,异构图中的高阶关系与基本关系都很重要,如果忽略了对基本关系的建模,可能会导致模型对高阶邻域信息存在潜在的过拟合的问题,从而影响模型的性能。

发明人:傅仰耿 黄鑫洋 李进 李冰诗 陈金杰福州大学(Fuzhou University),简称福大,位于福建省福州市,创建于1958年,是国家“双一流”建设高校,国家“211工程”建设高校,国家教育部、国家国防科技工业局与福建省人民政府共建高校,福建省三所重点建设的高水平大学之一,福建省一流大学建设高校,入选国家建设高水平大学公派研究生项目、教育部首批“卓越工程师教育培养计划”高校、新工科研究与实践项目、数据中国“百校工程”项目、国家“111计划”、“高校国际化示范学院推进计划”、国家级大学生创新创业训练计划、全国首批深化创新创业教育改革示范高校、中国政府奖学金来华留学生接收院校、全国专业学位研究生教育综合改革试点单位、国家集成电路人才培养基地、首批高等学校科技成果转化和技术转移基地、高校国家知识产权信息服务中心。

相比于现有技术,本发明及其优选方案首先得到基于不同元路径的多个元路径图,然后使用图卷积神经网络将节点高阶邻居的重要信息融合进节点表示中,以此来捕获异构图节点间的高阶关系,最后对异构图中的基本关系进行建模,确保在捕获高阶邻域信息的同时,也能够正确捕捉图中的一阶邻域信息,从而避免对高阶邻域信息的过拟合,提高异构图神经网络的分类效果。

当前专利未经权利人许可不得实施,希望将科技成果转让给研发实力雄厚的企业,由受让人对科技成果实施转化。交易的是科技成果中的知识产权,可以包括专利权、专利申请权、技术秘密等。科技成果转让后,转让方获得转让费,不再是科技成果的所有人;受让方向转让方支付转让费,并成为科技成果的新的所有人。