原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明提供的提高网络表示学习表示能力的方法、模型训练方法和系统，根据图网络得到各个子图的集合；将表示子图的邻接矩阵和特征矩阵输入到图卷积神经网络中，得到子图的网络表示学习的初始向量；根据子图中中心节点与每个非中心节点之间的关系，计算中心节点与每个非中心节点之间的注意力权重；根据初始向量和每个非中心节点之间的注意力权重，得到子图节点与关系组合后的具有权重的节点知识表示向量；采用注意力机制计算得到各个非中心节点之间关系的注意力权重；根据节点知识表示向量以及各个关系的注意力权重，得到子图的加权聚合向量
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN115564013A
(43)申请公布日2023.01.03
(21)申请号202110908974.X
(22)申请日2021.08.09
(71)申请人中山大学
地址510275广
文档评论（0）