JP7379793B2 - ノード表現生成方法、装置、電子デバイス及び可読記憶媒体 - Google Patents
ノード表現生成方法、装置、電子デバイス及び可読記憶媒体 Download PDFInfo
- Publication number
- JP7379793B2 JP7379793B2 JP2022038492A JP2022038492A JP7379793B2 JP 7379793 B2 JP7379793 B2 JP 7379793B2 JP 2022038492 A JP2022038492 A JP 2022038492A JP 2022038492 A JP2022038492 A JP 2022038492A JP 7379793 B2 JP7379793 B2 JP 7379793B2
- Authority
- JP
- Japan
- Prior art keywords
- node
- representation
- initial
- heterogeneous graph
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 52
- 238000005070 sampling Methods 0.000 claims description 46
- 238000003062 neural network model Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本開示の第2態様によれば、処理すべき異種グラフを取得する取得部と、第1メタパスに基づいて、前記処理すべき異種グラフにおいてサンプリングにより少なくとも1つの第1ウォークパスを得るサンプリング部と、前記少なくとも1つの第1ウォークパスに基づいて、前記処理すべき異種グラフにおける各ノードの初期ノード表現を得る処理部と、各ノードの初期ノード表現と各ノードの隣接ノードの初期ノード表現に基づいて各ノードの最終ノード表現を生成する生成部とを備えるノード表現生成装置を提供する。
Claims (11)
- コンピュータにより実行される、ノード表現生成方法であって、
処理すべき異種グラフを取得することと、
第1メタパスに基づいて、前記処理すべき異種グラフにおいてサンプリングにより少なくとも1つの第1ウォークパスを得ることと、
前記少なくとも1つの第1ウォークパスに基づいて前記処理すべき異種グラフにおける各ノードの初期ノード表現を得ることと、
各ノードの初期ノード表現と各ノードの隣接ノードの初期ノード表現に基づいて各ノードの最終ノード表現を生成することと、
を含み、
各ノードの初期ノード表現と各ノードの隣接ノードの初期ノード表現に基づいて各ノードの最終ノード表現を生成することは、
各ノードの初期ノード表現と各ノードの近隣ノードの初期ノード表現とを重み付け加算し、得られた重み付け加算結果を各ノードの更新ノード表現とし、
各ノードの初期ノード表現を更新ノード表現に置き換えた後、予め設定された回数に達するまで、各ノードの初期ノード表現と各ノードの近隣ノードの初期ノード表現とを重み付け加算するステップを実行し、
予め設定された回数に達すると、各ノードの更新ノード表現を各ノードの最終ノード表現とする、
ことを含む、
ノード表現生成方法。 - 第1メタパスに基づいて、前記処理すべき異種グラフにおいてサンプリングにより少なくとも1つの第1ウォークパスを得ることは、
各第1メタパスについて、前記処理すべき異種グラフにおいて、当該第1メタパスにより指定されたノードタイプ及びノード間の接続関係に基づいてサンプリングして、当該第1メタパスに対応する少なくとも1つの第1ウォークパスを得る、
ことを含む請求項1に記載のノード表現生成方法。 - 前記少なくとも1つの第1ウォークパスに基づいて前記処理すべき異種グラフにおける各ノードの初期ノード表現を得ることは、
各第1ウォークパスにおける各ノードを第1ノードとし、
各第1ノードが位置する第1ウォークパスに基づいて、第1ノードと当該第1ノードの1つの隣接ノードを含む各第1ノードのノードペアを構築し、
各第1ノードのノードペアをノード表現モデルに入力し、前記ノード表現モデルが各ノードペアに対して出力した出力結果を前記各ノードの初期ノード表現とする、
ことを含む請求項1に記載のノード表現生成方法。 - サンプル異種グラフとサンプル異種グラフにおける各ノードの標識ノード表現とを含む訓練データを取得し、
第2メタパスに基づいて、前記サンプル異種グラフにおいてサンプリングにより少なくとも1つの第2ウォークパスを得、
各第2ウォークパスにおける各ノードを第2ノードとして、第2ノードと当該第2ノードの1つの隣接ノードを含む各第2ノードのノードペアを構築し、
第2ノードのノードペアと第2ノードの標識ノード表現を用いて、ニューラルネットワークモデルを、前記ニューラルネットワークモデルが収束するまで訓練して前記ノード表現モデルを得る、ことにより事前に訓練して前記ノード表現モデルを得る、
ことを更に含む請求項3に記載のノード表現生成方法。 - ノード表現生成装置であって、
処理すべき異種グラフを取得する取得部と、
第1メタパスに基づいて、前記処理すべき異種グラフにおいてサンプリングにより少なくとも1つの第1ウォークパスを得るサンプリング部と、
前記少なくとも1つの第1ウォークパスに基づいて、前記処理すべき異種グラフにおける各ノードの初期ノード表現を得る処理部と、
各ノードの初期ノード表現と各ノードの隣接ノードの初期ノード表現とに基づいて各ノードの最終ノード表現を生成する生成部と、
を備え、
前記生成部は、
各ノードの初期ノード表現と各ノードの隣接ノードの初期ノード表現に基づいて各ノードの最終ノード表現を生成する場合に、具体的に、
各ノードの初期ノード表現と各ノードの近隣ノードの初期ノード表現とを重み付け加算し、得られた重み付け加算結果を各ノードの更新ノード表現とし、
各ノードの初期ノード表現を更新ノード表現に置き換えた後、予め設定された回数に達するまで、各ノードの初期ノード表現と各ノードの近隣ノードの初期ノード表現とを重み付け加算するステップを実行し、
予め設定された回数に達すると、各ノードの更新ノード表現を各ノードの最終ノード表現とする、
ノード表現生成装置。 - 前記サンプリング部は、第1メタパスに基づいて、前記処理すべき異種グラフにおいてサンプリングにより少なくとも1つの第1ウォークパスを得る場合に、具体的に、
各第1メタパスについて、前記処理すべき異種グラフにおいて、当該第1メタパスにより指定されたノードタイプとノード間の接続関係に基づいて、サンプリングにより当該第1メタパスに対応する少なくとも1つの第1ウォークパスを得る、
請求項5に記載のノード表現生成装置。 - 前記処理部は、前記少なくとも1つの第1ウォークパスに基づいて前記処理すべき異種グラフにおける各ノードの初期ノード表現を得る場合に、具体的に、
各第1ウォークパスにおける各ノードを第1ノードとし、
各第1ノードが位置する第1ウォークパスに基づいて、第1ノードと当該第1ノードの1つの隣接ノードを含む各第1ノードのノードペアを構築し、
各第1ノードのノードペアをノード表現モデルに入力し、前記ノード表現モデルが各ノードペアに対して出力した出力結果を前記各ノードの初期ノード表現とする、
請求項5に記載のノード表現生成装置。 - サンプル異種グラフとサンプル異種グラフにおける各ノードの標識ノード表現とを含む訓練データを取得し、
第2メタパスに基づいて、前記サンプル異種グラフにおいてサンプリングにより少なくとも1つの第2ウォークパスを得、
各第2ウォークパスにおける各ノードを第2ノードとして、第2ノードと当該第2ノードの1つの隣接ノードを含む各第2ノードのノードペアを構築し、
第2ノードのノードペアと第2ノードの標識ノード表現を用いて、ニューラルネットワークモデルを、前記ニューラルネットワークモデルが収束するまで訓練して前記ノード表現モデルを得る、ことにより事前に訓練して前記ノード表現モデルを得る、訓練部
をさらに備える請求項7に記載のノード表現生成装置。 - 少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサと通信可能に接続されたメモリとを備え、
前記メモリに前記少なくとも1つのプロセッサにより実行可能なコマンドが記憶されており、前記コマンドが前記少なくとも1つのプロセッサにより実行されると、前記少なくとも1つのプロセッサに請求項1~4のいずれか1項に記載のノード表現生成方法を実行させる電子デバイス。 - コンピュータに請求項1~4のいずれか1項に記載のノード表現生成方法を実行させるためのコンピュータコマンドを記憶する非一時的なコンピュータ可読記憶媒体。
- プロセッサにより実行されると、請求項1~4のいずれか1項に記載のノード表現生成方法を実現するコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110732838.X | 2021-06-30 | ||
CN202110732838.XA CN113408297B (zh) | 2021-06-30 | 2021-06-30 | 生成节点表示的方法、装置、电子设备和可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023007379A JP2023007379A (ja) | 2023-01-18 |
JP7379793B2 true JP7379793B2 (ja) | 2023-11-15 |
Family
ID=77680346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022038492A Active JP7379793B2 (ja) | 2021-06-30 | 2022-03-11 | ノード表現生成方法、装置、電子デバイス及び可読記憶媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230004774A1 (ja) |
JP (1) | JP7379793B2 (ja) |
CN (1) | CN113408297B (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111144577A (zh) | 2019-12-26 | 2020-05-12 | 北京百度网讯科技有限公司 | 异构图之中节点表示的生成方法、装置和电子设备 |
JP2020205029A (ja) | 2019-06-17 | 2020-12-24 | 大連海事大学 | ブロードラーニングシステムに基づく高速ネットワーク表現学習の方法 |
JP2021026779A (ja) | 2019-08-08 | 2021-02-22 | ネイバー コーポレーションNAVER Corporation | 個人化コンテンツ推薦のためのリアルタイムグラフに基づく埋め込み構築方法およびシステム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997474A (zh) * | 2016-12-29 | 2017-08-01 | 南京邮电大学 | 一种基于深度学习的图节点多标签分类方法 |
CN110489563B (zh) * | 2019-07-22 | 2022-08-23 | 北京百度网讯科技有限公司 | 图结构的表示方法、装置、设备及计算机可读存储介质 |
CN111708922A (zh) * | 2020-06-19 | 2020-09-25 | 北京百度网讯科技有限公司 | 用于表示异构图节点的模型生成方法及装置 |
CN112328835A (zh) * | 2020-10-15 | 2021-02-05 | 北京三快在线科技有限公司 | 对象的向量表示的生成方法、装置、电子设备及存储介质 |
CN112508115B (zh) * | 2020-12-15 | 2023-10-24 | 北京百度网讯科技有限公司 | 建立节点表示模型的方法、装置、设备和计算机存储介质 |
-
2021
- 2021-06-30 CN CN202110732838.XA patent/CN113408297B/zh active Active
-
2022
- 2022-01-19 US US17/578,683 patent/US20230004774A1/en active Pending
- 2022-03-11 JP JP2022038492A patent/JP7379793B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020205029A (ja) | 2019-06-17 | 2020-12-24 | 大連海事大学 | ブロードラーニングシステムに基づく高速ネットワーク表現学習の方法 |
JP2021026779A (ja) | 2019-08-08 | 2021-02-22 | ネイバー コーポレーションNAVER Corporation | 個人化コンテンツ推薦のためのリアルタイムグラフに基づく埋め込み構築方法およびシステム |
CN111144577A (zh) | 2019-12-26 | 2020-05-12 | 北京百度网讯科技有限公司 | 异构图之中节点表示的生成方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US20230004774A1 (en) | 2023-01-05 |
JP2023007379A (ja) | 2023-01-18 |
CN113408297A (zh) | 2021-09-17 |
CN113408297B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7358698B2 (ja) | 語義表現モデルの訓練方法、装置、デバイス及び記憶媒体 | |
JP7058304B2 (ja) | 異種グラフにおけるノード表現の生成方法、装置及び電子機器 | |
KR20220005416A (ko) | 다항 관계 생성 모델의 트레이닝 방법, 장치, 전자 기기 및 매체 | |
KR102615957B1 (ko) | 점군 데이터 처리방법, 장치, 전자기기 및 판독 가능 기록매체 | |
US11151324B2 (en) | Generating completed responses via primal networks trained with dual networks | |
CN112487173B (zh) | 人机对话方法、设备和存储介质 | |
WO2023065859A1 (zh) | 物品推荐方法、装置及存储介质 | |
JP7297038B2 (ja) | ニューラルネットワークモデルの事前トレーニング方法、装置、電子機器及び媒体 | |
KR20220034069A (ko) | 모델 훈련 및 폰트 라이브러리 구축 방법, 장치, 설비 및 저장 매체 | |
US20200175404A1 (en) | Machine learning based user interface controller | |
JP7414907B2 (ja) | 事前訓練済みモデルの決定方法及びその決定装置、電子機器並びに記憶媒体 | |
CN113783874A (zh) | 基于安全知识图谱的网络安全态势评估方法及系统 | |
JP7439359B2 (ja) | 薬物相乗効果予測モデルの構築方法、予測方法及び対応装置 | |
CN114357105A (zh) | 地理预训练模型的预训练方法及模型微调方法 | |
JP2022106287A (ja) | 親和性予測方法及びモデルのトレーニング方法、装置、機器及び媒体 | |
Kovalchuk et al. | A conceptual approach to complex model management with generalized modelling patterns and evolutionary identification | |
KR20220034083A (ko) | 글꼴 데이터베이스의 생성 방법, 신경망 모델의 훈련 방법 및 장치, 전자 기기, 저장 매체, 컴퓨터 프로그램 | |
JP7446359B2 (ja) | 交通データ予測方法、交通データ予測装置、電子機器、記憶媒体、コンピュータプログラム製品及びコンピュータプログラム | |
JP7387964B2 (ja) | ソート学習モデルの訓練方法、ソート方法、装置、デバイス及び媒体 | |
JP2023002690A (ja) | セマンティックス認識方法、装置、電子機器及び記憶媒体 | |
CN112446498A (zh) | 在线部分奖励学习 | |
US11281867B2 (en) | Performing multi-objective tasks via primal networks trained with dual networks | |
JP2022088540A (ja) | ユーザ興味画像の生成方法、装置、電子機器及び記憶媒体 | |
CN113657468A (zh) | 预训练模型的生成方法、装置、电子设备和存储介质 | |
CN111679829B (zh) | 用户界面设计的确定方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220311 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230803 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231003 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231012 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7379793 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |