[发明专利]一种利用局部敏感哈希优化的超大规模图的表示学习方法有效
| 申请号： | 201710857844.1 | 申请日： | 2017-09-21 |
| 公开（公告）号： | CN107729290B | 公开（公告）日： | 2021-05-11 |
| 发明（设计）人： | 李笑宇;陈修司;周畅;高军 | 申请（专利权）人： | 北京大学深圳研究生院 |
| 主分类号： | G06F17/16 | 分类号： | G06F17/16;G06K9/62 |
| 代理公司： | 北京君尚知识产权代理有限公司 11200 | 代理人： | 司立彬 |
| 地址： | 518055 广东省深*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种利用局部敏感哈希优化的超大规模图的表示学习方法。本方法为：使用局部敏感哈希函数对目标图的每一节点进行计算，并根据计算结果定义该节点的节点向量；从该目标图的图结构中获取训练样本；基于所述训练样本，采用skip‑gram模型对该目标图中各节点的节点向量进行训练，得到该目标图中各节点对应的节点向量表示。本发明解决了现实网络结构中普遍存在的“长尾现象”带来的困扰，同时考虑到网络中的内容信息和结构信息，适合分布式实现，具有高可扩展性。 | ||
| 搜索关键词： | 一种 利用 局部 敏感 优化 超大规模 表示 学习方法 | ||
【主权项】：
一种利用局部敏感哈希优化的超大规模图的表示学习方法，其步骤包括：使用局部敏感哈希函数对目标图的每一节点进行计算，并根据计算结果定义该节点的节点向量；从该目标图的图结构中获取训练样本；基于所述训练样本，采用skip‑gram模型对该目标图中各节点的节点向量进行训练，得到该目标图中各节点对应的节点向量表示。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京大学深圳研究生院，未经北京大学深圳研究生院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710857844.1/，转载请声明来源钻瓜专利网。
