图嵌入

摘要： 基于拓扑优化的图卷积网络(TOGCN)是一类图卷积神经网络(GCNN)模型,它通过网络中的辅助信息优化网络拓扑结构,有利于反映节点间的联系程度;然而TOGCN模型仅注重局部节点之间的关联关系,对网络潜在的全局结构信息关注不足。融合全局特征信息,有助于提高模型的性能和处理信息缺失时的鲁棒性。提出了融合全局结构信息的拓扑优化图卷积网络(GE-TOGCN)模型,该模型一方面利用相邻节点的属性对拓扑图进行优化;另一方面使用类信息作为网络的全局结构信息,从而保持类内聚合性和类间分离性。首先根据标记节点计算类中心向量;然后利用部分未标记节点来更新类中心向量;最后将所有节点根据其与类中心向量的相似度分配到对应的类中,并通过一个半监督损失函数优化各类的类中心向量与节点的最终表示向量。在Cora、Citeseer数据集上,在标签信息缺失的情况下运用得到的节点表示向量进行了节点分类任务与节点可视化任务。实验结果表明,GE-TOGCN模型与图卷积网络(GCN)、图学习卷积网络(GLCN)等模型相比,在Cora数据集上的分类准确率提高了1.2~12.0个百分点,在Citeseer数据集上的分类准确率提高了0.9~9.9个百分点;而在节点可视化任务中所提模型的类内节点聚合程度更高,类簇之间的边界更明显。可见,融合类全局信息能减少标签信息缺失对模型学习效果的不良影响,且该模型得到的节点表示在下游任务中表现出了更好的性能。

摘要： 针对作者姓名歧义问题,提出基于特征编码和图嵌入的作者姓名消歧方法。该方法首先利用word2vec模型对文档的属性特征进行编码从而构建文档的表征向量,然后采用图自动编码器将文档关系编码至文档向量中,聚类相似文档。为进一步提升聚类结果的准确性,使用图嵌入的方法将文档关系网络和作者关系网络的拓扑结构信息引入文档向量,进一步聚集相关文档。该方法同时利用文档的属性特征以及多个关系网络的信息,通过无监督学习的方法寻找文档表征向量,实现良好的姓名消歧效果。在真实作者数据集AMiner上的测试结果表明,该方法显著优于目前几个其他基于图网络的方法。

摘要： 图嵌入降维算法由于其有效性被广泛应用。传统图嵌入算法构造K-Nearest Neighbors(K-NN)图的计算复杂度至少为O(n^(2)d),其中n为样本数,d为样本维度。在数据量大的情况下,构造K-NN图将非常耗时,因为其计算复杂度与样本数的平方成正比,这将限制图嵌入算法在大规模数据集上的应用。为降低构图过程的计算复杂度,提出一种基于锚点的快速无监督图嵌入算法(Fast Unsupervised Graph Embedding Based on Anchors,FUGE)。该算法首先从数据集中选取锚点(代表点),然后构造数据点-锚点相似度图,最后执行图嵌入分析。由于锚点数量远小于数据量,所提方法能有效地降低构图过程的计算复杂度;不同于使用核函数来构造相似度图,该算法直接通过数据点的近邻信息来学习数据点-锚点的相似度图,这进一步加快了构图过程。整个算法的计算复杂度为O(nd^(2)+nmd),其中m为锚点数。在基准数据集上的大量实验证明了所提算法的有效性和高效性。

摘要： 知识经济背景下,国家间的技术竞争日益激烈,而中国在专利布局方面存在认知与操作短板,制约着中国高新技术产业的发展。因此,提出一套有效的专利布局分析方法,对指导企业进一步实施专利布局具有重要意义。当前,专利布局的分析视角相对局限于企业层面,且传统的布局分析方法不能直观展现企业间的技术攻防意图,所以,本文在刻画产业链专利分布结构的基础上,总结基本的专利分布模式及其蕴含的布局意图,以此实现产业链视角下的专利布局意图挖掘。首先,在微观层面引入结构性与功能性技术关联关系,修正专利知识组织结构,并根据修正后的专利知识图谱本体构建领域专利知识图谱;然后,利用图嵌入算法刻画产业链专利分布结构;接着,总结5种基本的专利分布模式并分析其布局意图,基于此挖掘产业链各布局主体的布局意图;最后,通过在非全氟化质子交换膜领域进行实证研究,验证了上述方法的有效性与实用性,并为我国非全氟化质子交换膜企业以及产业的安全发展提出了应对建议。

摘要： 【目的】本文立足于线上教学资源领域,利用知识图谱相关技术,设计并实现一种融合多种推荐策略的推荐系统。【应用背景】线上教学资源种类繁杂、数量众多,且缺乏规范化构建和系统化管理,为教师管理教学资源及学习者查找有效信息造成诸多不便。【方法】通过设计知识图谱数据结构,构建全学科内知识语义关联,融合图嵌入和规则抽取的方法,实现教学资源推荐。【结果】本文提出的线上教学资源推荐系统已应用于南开大学教学资源网平台,在多学科领域内的知识点推荐中展现出较好的效果。【结论】通过实验结果分析,验证了本文推荐系统在缓解“长尾效应”方面的有效性,并通过可视化案例分析,验证了其实用性。

摘要： 主成分分析网络(principal component analysis network,PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。

摘要： 电力系统功角稳定与电压稳定是电力系统安全稳定运行的基础,稳定性分析是制定稳定控制策略的依据之一。考虑电网拓扑对电力系统暂态稳定性的影响,利用Node2vec图嵌入算法将电网拓扑映射为低维稠密矩阵,获得电力系统的空间拓扑特征向量,并将其与电气量测数据相组合形成重构数据集,作为评估模型的输入。考虑到电力系统多种稳定性问题往往交织在一起,首先,提出了基于多任务学习的暂态稳定评估模型,并实现了电力系统功角稳定性和电压稳定性的同步评估;然后根据评估结果,确定电力系统失稳区域并实现可视化;最后,采用新英格兰10机39节点测试系统验证了评估模型的有效性。

摘要： 面对当前日益庞大的教育大数据,如何在海量数据中高效、准确地提取出高价值的知识,以满足个性化教学需求,已成为当前智慧教育的一个研究热点.作为一种可视化分析技术,知识图谱可有效构建和挖掘知识及知识间的相互联系,现已成功应用于诸多领域.而图嵌入技术的引入,则有利于提升大数据背景下知识图谱的处理效率.针对个性化教育的知识处理需求,首先介绍了知识图谱与图嵌入算法的基本概念,并从向量平移、基于张量因式分解和基于神经网络等3个方面,介绍基于三元组的表征学习模型.然后,从7种应用类型的角度,综述知识图谱与图嵌入技术在个性化教育领域中的研究现状.最后,总结全文并给出未来的研究展望.

摘要： 随着互联网视频平台的快速发展以及短视频平台的兴起,个性化推荐技术始终处于新媒体领域研究的热点。传统的推荐算法只考虑影视作品的浅层特征、依赖惯用数据,难以有效解决推荐内容的多样性和冷启动问题。本文提出一种融合图嵌入、表示学习及时间注意力的智能推荐算法(FBNT),通过图嵌入和表示学习对节目做特征提取,并对提取的特征进行融合,同时引入时间注意力机制,以客观反映用户兴趣,有效挖掘节目深层次的联系,提高推荐精度,同时推荐结果有较好的可解释性。实验表明,相比较于单一的基于图嵌入模型或表示学习模型,FBNT的推荐准确率最大提高了12.343%,召回率最大提高了6.369%。算法已实际应用于某省广电热点媒资推荐系统。

摘要： 源代码检索任务是指将自然语言作为查询语句,从代码库中搜索相关代码片段。在代码检索任务中,大多数代码检索算法只考虑代码片段的文本序列信息而未考虑代码的结构信息,导致不能充分捕获代码片段包含的语义和语法信息。为了提高对程序语言的理解,提出了注意力机制和图嵌入相结合的代码检索算法(GraphCS)。在特征提取部分,以LSTM提取文本特征向量表示,以Graph2Vec提取图的向量特征表示。在特征融合部分中引入注意力机制,更好地为每一个特征分配相应的权重,从而提升程序的理解。考虑源代码和自然语言为异构数据,将代码片段特征和自然语言特征映射到同一个向量空间,以排名损失来保证语义相似的点在特征空间拥有较近的距离。为了验证算法的高效性,与目前最好的算法CODEnn进行对比。实验结果表明,在Precision@1/5/10、SuccessRate@1/5/10以及MRR上均有一定的提升。

摘要： 本发明旨在提供具有向图象嵌入鉴定信息功能的数字相机，该鉴定信息用来检测拍摄的图象正本。其中，光学系统输入的光转移为电信号，CCD输出图象的模拟信号。信号处理装置响应该模拟信号产生图象的数字信号。区域划分单元用来划分图象为第一、第二图象区域，鉴定信息产生装置用来产生鉴定信息，加密装置用来对鉴定信息加密，隐藏装置用来向第二图象区域嵌入加密的鉴定信息，区域组合装置用来组合第一图象区域和嵌入了鉴定信息的第二图象区域。

摘要： 本发明公开了一种基于少样本学习的词嵌入图神经网络的细粒度图分类方法，其将类的语义信息嵌入到图神经网络(GNN)中，提出一个词嵌入分布传播图网络(WPGN)。本方法首先将注意力机制融合到主干网络中，然后使用马氏距离计算类间的相似度，再选择FReLU函数作为Transform层的激活函数，并更新点图和语义嵌入分布图。最后通过在FSL基准数据集上进行实验，实验结果表明本发明与原模型相比，在5‑way‑1/2/5shot任务上的精度分别提高了9.03、4.56和4.15％。

摘要： 本发明涉及多特征数据处理领域，尤其涉及基于图测地相似度的图节点嵌入方法，保留非欧氏高维空间和欧氏潜空间之间的节点间相似性，通过图测地距离相似度来收集图结构信息和节点特征信息，通过图测地最短路径来衡量节点与节点之间的关系，采用t分布作为内核函数来拟合节点间的邻域关系，代替高斯分布来平衡簇内和簇间关系，为了缓解深度堆叠的GCN网络中的过平滑现象，本发明采用了一种全连接的神经网络结构，得到有一个聚合操作较少的网络结构，在考虑到适当的聚合操作的同时，实现更深层次的网络，在训练过程中设计了一种图结构增强方案，以提高网络嵌入稳定性。

摘要： 本发明属于图像编辑技术，具体涉及一种三维场景图直接嵌入特效图的方法及系统。该方法首先设定三维场景的输出格式，然后将输出的三维场景的合成效果图按照单一的分别率和位深度申请内存空间，最后通过解析内存，将输出的三维场景图导入到特效图中。本发明能够最好的保持和使用素材的原貌，得到最佳的合成效果，同时，极大的提高图像合成的工作效率。

摘要： 本发明属于数据处理技术领域，涉及图嵌入向量的生成方法及基于图嵌入的社区发现方法。一种图嵌入向量的生成方法，包括：获取顶点的核值；获取顶点的邻域结构信息，计算顶点之间的相似度；基于顶点与其相邻邻居的相似度，生成顶点序列；将顶点序列进行词向量训练，生成每个顶点的嵌入向量。本发明，的图嵌入向量的生成方法，通过顶点的核值信息来保持顶点的邻域结构信息，使得结构相似的顶点在嵌入空间中距离较近。通过对获取的图嵌入向量进行聚类或者分类，来进行社区发现。

摘要： 本发明公开了一种基于图着色和图神经网络的图嵌入特征提取方法及装置，所述方法包括：基于历史用户通话信息、通讯录信息构建关系图；采用图着色对各个邻节点进行排序并采样，得到固定长度和固定排序的向量序列；根据所述固定长度和固定排序的向量序列训练图神经网络；配置目标函数，通过梯度下降法最小化所述目标函数，得到所述图神经网络的参数；将待处理用户通话信息输入所述图神经网络中，得到图嵌入特征。采用图着色对各个邻节点进行排序并采样，从而得到固定长度和固定排序的向量序列，再通过该固定长度和固定排序的向量序列训练图神经网络，提高了图嵌入特征的准确性。

摘要： 本发明提供了基于分布式图嵌入的联邦图聚类方法、装置及读存储介质，该方法包括：基于第一方数据构建第一图，基于第二方数据构建第二图；对第一方数据和第二方数据进行加密求交，确定第一图和第二图中的公共节点，根据公共节点关联第一图和第二图，得到联邦图；利用基于随机游走的分布式图嵌入算法学习联邦图，确定从第一图出发的第一图嵌入向量[PiA，PiB]和从第二图出发的第二图嵌入向量[PiA’，PiB’]；基于联邦聚类方法对联邦图的第一图嵌入向量[PiA，PiB]和第二图嵌入向量[PiA’，PiB’]进行聚类分析，得到聚类结果。利用上述方法，能够实现对双方隐私数据进行联邦图聚类，得到更好的聚类效果。

摘要： 本发明公开了一种基于自适应图学习的图嵌入方法，包括构建图自编码器框架、拉普拉斯嵌入、邻接矩阵的自适应学习和迭代更新求解四个步骤。图自编码器框架编码层部分采用两层图卷积神经网络，解码层部分为邻接矩阵的重构损失；拉普拉斯嵌入部分将拉普拉斯矩阵嵌入到潜在空间从而使样本点可以更准确地映射到投影子空间；邻接矩阵的自适应学习分三步：一是不再采用固定的节点邻居数量，而是服从正态分布，成为可以通过自适应学习获取的变量；二是设置迭代停止的阈值，当迭代次数大于阈值时，停止更新；三是邻接矩阵部分更新的方式；最终在迭代更新求解部分给出了模型的求解方法。本发明方法鲁棒性强、应用范围广，大大扩展了图自编码器的应用范围。

摘要： 本发明涉及移动互联技术领域，且公开了基于图划分算法和图嵌入算法的相似金融社区网络发掘算法，首先是构图；其次是图切分社区；然后再基于图嵌入得到每个社区中节点的表示。该基于图划分算法和图嵌入算法的相似金融社区网络发掘算法，通过知识图谱技术，并采用图划分和图嵌入技术，实现整图的金融社群划分，以及将网络中的所有节点嵌入低维的向量空间，再通过以划分社群为基础，基于相似度算法，在全域图谱网络中挖掘具有相似图结构特征、且未被发现的金融社群网络，从而充分考虑到社会经济活动的网络关系特性，基于知识图谱网络，挖掘分析经济紧密社群和高危风险社群，达到社会经济组织挖掘和群体风险防控的效果。

摘要： 本发明提供一种基于图基元的图嵌入学习方法，将各种不同结构的图基元(Motif)作为超节点插入网络，并构建一个由Motif超节点与图中原始节点组成的异构网络；为了从异构网络生成语料库，提出一种基于Motif的随机游走策略，确保具有高连通性或高结构相似性的节点在语料库中相对靠近。本发明的方法不仅能够学习得到图中节点的嵌入向量，还能得到不同的图基元Motif的嵌入向量；学习得到的图基元Motif的嵌入向量使得本发明能够有效处理动态场景下的归纳学习问题，对于动态图中新进入的节点，通过使用已经学得的图基元嵌入向量的算法，能够在新节点周围快速统计各种基元的频率，并加权求和快速计算得到新进入节点的嵌入向量。