-
-
公开(公告)号:CN116597133A
公开(公告)日:2023-08-15
申请号:CN202310574031.7
申请日:2023-05-19
Applicant: 北京邮电大学
Abstract: 一种基于多阶邻域匹配一致性的图对齐方法,包括:获取需要对齐的图G1、G2;通过随机游走的方法,从图G1、G2学习节点表征Y1、Y2;计算图G1、G2中每个节点的度特征,然后计算节点相似度矩阵,选择Knum个相似性分数大的节点对作为伪对齐种子,并构成伪对齐种子集计算中每对伪对齐种子的1、2、…、Kne阶邻居嵌入聚合向量,并根据多阶邻居嵌入聚合向量计算EMNC,然后以EMNC为优化目标,采用奇异值分解方法,计算最优变换矩阵Q*;基于欧式距离将G1的投影节点表征Y1Q*与G2的节点表征Y2进行匹配,从而获得图G1、G2的节点对应关系。本发明涉及计算机领域,能在向量空间中有效度量多阶邻域的匹配程度,从而解决UPGA。
-
公开(公告)号:CN116681540A
公开(公告)日:2023-09-01
申请号:CN202310720755.8
申请日:2023-06-16
Applicant: 北京邮电大学
IPC: G06Q50/00 , G06N3/0499 , G06N3/0895
Abstract: 一种基于图神经网络的跨社交媒体网络的用户对齐方法,包括:获取需对齐的社交媒体网络拓扑图G1、G2;计算G1、G2的节点属性特征:将节点结构特征、输入节点属性和锚链接融合得到属性特征;构建自适应图注意神经网络模型,分别输入G1、G2,并输出各自学习后的节点嵌入向量,该模型根据邻居节点属性特征计算节点的聚合属性特征,然后通过节点属性特征和聚合属性特征确定邻居节点的聚合权重,再根据邻居节点的嵌入向量和聚合权重来更新每个节点嵌入向量;根据G1、G2的节点嵌入向量,计算对齐矩阵,获得两个网络的节点映射关系。本发明涉及计算机领域,能以半监督学习方式通过NA技术解决UIL问题,实现跨社交媒体网络的用户匹配。
-
-