(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111500307.4 (22)申请日 2021.12.09 (71)申请人 青岛智能产业 技术研究院 地址 266000 山东省青岛市高新区创业大 厦B座26楼 (72)发明人 侯家琛　战德成　杨林瑶　徐延才　 李小双　王晓　王飞跃　张俊　 (74)专利代理 机构 青岛清泰联信知识产权代理 有限公司 3725 6 代理人 陈宇瑄 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01)G06F 17/16(2006.01) (54)发明名称 一种无监 督网络对齐方法和系统 (57)摘要 本发明提出一种无监督网络对齐方法和系 统， 其方法技术方案包括嵌入结构计算步骤， 获 取源网络与目标网络的邻接矩阵， 并通过两个图 神经网络分别学习源网络与 目标网络的嵌入结 构； 投影矩阵计算步骤， 根据源网络与目标网络 的邻接矩阵、 嵌入结构和超参数计算得到源网络 与目标网络的投影矩阵； 节点对齐计算步骤， 对 投影矩阵计算相似性， 得到相似性矩阵， 并根据 相似性矩阵进行源网络与目标网络的节点匹配。 本发明解决了现有网络对齐方法成本高、 耗时长 且效果不佳的问题。 权利要求书2页 说明书12页 附图3页 CN 114372505 A 2022.04.19 CN 114372505 A 1.一种无监 督网络对齐方法， 其特 征在于， 包括： 嵌入结构计算步骤， 获取源网络与目标网络的邻接矩阵， 并通过两个图神经网络分别 学习所述源网络与所述目标网络的嵌入结构； 投影矩阵计算步骤， 根据所述源网络与所述目标网络的所述邻接矩阵、 所述嵌入结构 和超参数计算得到所述源网络与所述目标网络的投影矩阵； 节点对齐计算步骤， 对所述投影矩阵计算相似性， 得到相似性矩阵， 并根据所述相似性 矩阵进行 所述源网络与所述目标网络的节点匹配。 2.根据权利要求1所述的无监督网络对齐方法， 其特征在于， 所述投影矩阵计算步骤进 一步包括： 计算所述投影矩阵时， 先后进行正向投影和反向投影还原。 3.根据权利要求2所述的无监督网络对齐方法， 其特征在于， 所述投影矩阵计算步骤进 一步包括： 通过sinkhorn距离计算损失函数。 4.根据权利要求3所述的无监督网络对齐方法， 其特征在于， 所述投影矩阵计算步骤进 一步包括： 采用一个 基于CycleGAN框架的周期一 致对抗模型对所述投影矩阵进行优化。 5.根据权利要求1所述的无监督网络对齐方法， 其特征在于， 所述嵌入结构计算步骤进 一步包括： 采用DGI机器学习模型计算所述嵌入结构。 6.根据权利要求5所述的无监督网络对齐方法， 其特征在于， 所述嵌入结构计算步骤进 一步包括： 分别对所述源 网络与所述目标网络中所有节点的嵌入结构值进行加和平均， 以生成所 述源网络与所述目标网络的整个图的所述嵌入结构。 7.根据权利要求5所述的无监督网络对齐方法， 其特征在于， 所述嵌入结构计算步骤进 一步包括： 利用二元交叉熵损失训练所述DGI机器学习模型。 8.根据权利要求1所述的无监督网络对齐方法， 其特征在于， 所述节点对齐计算步骤进 一步包括： 所述节点匹配采用基于贪心策略的集体对应分配。 9.根据权利要求8所述的无监督网络对齐方法， 其特征在于， 所述节点对齐计算步骤进 一步包括： 计算所述源网络与所述目标网络的所述投影矩阵的欧几里德距离， 得到一距离矩阵， 并根据所述距离矩阵计算得到节点分配字典。 10.一种无监 督网络对齐系统， 其特 征在于， 包括： 嵌入结构计算模块， 获取源网络与目标网络的邻接矩阵， 并通过两个图神经网络分别 学习所述源网络与所述目标网络的嵌入结构； 投影矩阵计算模块， 根据所述源网络与所述目标网络的所述邻接矩阵、 所述嵌入结构 和超参数计算得到所述源网络与所述目标网络的投影矩阵； 节点对齐计算模块， 对所述投影矩阵计算相似性， 得到相似性矩阵， 并根据所述相似性权　利　要　求　书 1/2 页 2 CN 114372505 A 2矩阵进行 所述源网络与所述目标网络的节点匹配。权　利　要　求　书 2/2 页 3 CN 114372505 A 3