一种增强图神经网络点边交互的方法与流程

文档序号:22739382发布日期:2020-10-31 09:21阅读:来源:国知局

技术特征:

1.一种增强图神经网络点边交互的方法,其特征在于,步骤包括:

获取应用对象的有向图g,提取所述有向图g的图结构数据,所述有向图g包括若干个节点v和若干条边e,所述节点v为所述应用对象中的任意元素,所述边e为所述应用对象中任意相连的两个元素之间的关联关系;

根据所述图结构数据获取所有和所有所述v表示所述所有节点中的任意一个节点,所述w表示所述节点v任意相邻节点,所述相邻节点为所述应用对象中与任意元素相连的任意元素,所述为任意一条所述节点v到其任意相邻节点w的边ev,w在第0层的隐藏表示,所述为任意一个所述节点v在第0层的隐藏表示,任何所述边e隐藏表示为所述应用对象中任意相连的两个元素之间的关联关系在某一层的抽象化表示,任何所述节点v的隐藏表示为所述应用对象中任意元素在某一层的抽象化表示;

根据所有创建所有所述为任意一条所述节点v的任意相邻节点w到节点v的边ew,v在第k-1层的隐藏表示,所述为所述节点v在第k层的消息向量,任何所述节点v的消息向量为所述应用对象中任意元素在某一层所接收到的信息;

根据所有所述与所有更新得到所有所述为所述节点v在第k-1层的隐藏表示,所述为所述节点v在第k层的隐藏表示;

根据所有所述与所有所述创建所有根据所有所述和所有所述得到所有所述为任意一条所述节点v到其任意相邻节点w的边ev,w在第k层的消息向量,所述为任意一条所述节点v到其任意相邻节点w的边ev,w在第k层的隐藏表示;任何所述边e的消息向量为所述应用对象中任意相连的两个元素之间的关联关系在某一层所接收到的信息;

利用所有所述所有所述和所述图结构数据中的节点原始特征xv,将所述图神经网络迭代至第k层,得到所述有向图g的最终节点表示形式h(v),所述节点原始特征xv为所提取的所述应用对象的任意元素的原始特征,所述最终节点表示形式为所述元素的核心特征;

所述k≥1,k>k。

2.根据权利要求1所述的增强图神经网络点边交互的方法,其特征在于,

根据所有所述创建所有具体为:

根据关系式创建所有节点的中间消息变量,所述a为聚合函数,所述为所述节点v在第k层的中间消息向量,所述n(v)为所述节点v的相邻节点的集合;

根据关系式以及关系式创建所有其中,所述为消息增强函数,所述pooling()为最大池函数,所述⊙为元素相乘运算符;

任何所述节点v的中间消息向量为所述应用对象中任意元素在某一层所接收到的所有信息;任何所述节点v的消息向量为所述应用对象中任意元素在某一层所接收到的核心信息。

3.根据权利要求2所述的增强图神经网络点边交互的方法,其特征在于,

根据所有所述与所有所述创建所有具体为:根据关系式创建所有

4.根据权利要求2所述的增强图神经网络点边交互的方法,其特征在于,

根据所有所述与所有所述更新得到所有具体为:

根据关系式更新得到所有其中,所述σ为激活函数,所述w为权重矩阵,所述concat()为连接函数。

5.根据权利要求2所述的增强图神经网络点边交互的方法,其特征在于,

根据所有和所有所述得到所有具体为:

根据关系式得到所有其中,所述σ为激活函数,所述w为权重矩阵。

6.根据权利要求1~5任一项所述的增强图神经网络点边交互的方法,其特征在于,所述根据所述图结构数据中的xv获得,所述根据关系式获得,其中,所述σ为激活函数,所述w为权重矩阵,所述concat()为连接函数,所述为所提取的所述应用对象中任意相连的两个元素之间的关联关系的原始特征。

7.根据权利要求1~5任一项所述的增强图神经网络点边交互的方法,其特征在于,在得到所述有向图g的最终节点表示形式后,利用读出操作得到所述有向图g的固定特征向量,所述固定特征向量为所述应用对象的所有特征的集合。

8.根据权利要求7所述的增强图神经网络点边交互的方法,其特征在于,所述读出操作的具体执行过程为:利用关系式z=∑gru(h(v))得到所述有向图g的固定特征向量,所述z为所述固定特征向量,所述gru为门控式递归单元。

9.根据权利要求1~5任一项所述的增强图神经网络点边交互的方法,其特征在于,在得到所述有向图g的最终节点表示形式后,通过关系式预测所述有向图g的特性,所述为所述有向图g的特性,所述f()为全连接层,所述特性为对所述应用对象的所有特征的预测结果。


技术总结
本发明提供一种增强图神经网络点边交互的方法,步骤包括:获取有向分子图G及其图结构数据,根据图结构数据获取和根据所有创建所有根据所有所述与所有更新得到所有根据所有与所有所述创建所有根据所有所述和所有所述得到所有利用所有所有和所述图结构数据中的节点原始特征Xv,将所述图神经网络迭代至第K层,得到所述有向分子图的最终节点表示形式h(v),所述k≥1,K>k;利用每个任意节点v的相邻节点w到任意节点v的边的隐藏表示,即创建任意节点v在第k层的消息向量使边的信息与节点信息进行关联和传递,在神经网络训练过程中更新了节点和边的嵌入,关注了节点与边之间信息的可传递性。

技术研发人员:杨跃东;邓幽扬;宋颖;郑双佳
受保护的技术使用者:中山大学
技术研发日:2020.06.16
技术公布日:2020.10.30
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1