基于Weisfeiler-Lehman图核算法的装配体模型比较方法

随着CAD信息技术的在机械领域的广泛应用,在机械产品设计过程中积累了大量包含多源信息的CAD模型,分析利用已有的产品模型可以大大提高新产品的开发效率。对能够比较全面表达产品信息的装配体模型进行比较分析可以很好的支撑通用结构挖掘、模型检索等三维信息重用,提高产品设计效率。提出了基于Weisfeiler-Lehman图核算法的装配体模型比较方法。Weisfeiler-Lehman算法可以有效的解决图匹配问题,核函数不用计算复杂的非线性变换,直接得到非线性变换的内积,应用于图的模型中可以大大简化计算复杂度,实现图之间的相似度计算。首先用图模型对多源装配体模型进行信息的转化表达并进行初步信息归类,形成装配体类码连接图;将W-L图匹配算法和核函数综合应用,对装配体类码图进行相似度计算,实现装配体之间的比较分析。

基于事件异构图表示的文本去重算法

基于图结构的文本表示方法在新闻文本去重中具有更好的效果.但是,目前该表示方法还不能完整地表示文本的全部信息,并且忽略了图的语义信息,降低了新闻文本的去重效果.为此,本研究提出基于事件异构图表示的文本去重算法,该算法首先通过事件异构图表示新闻文本的全局语义与结构信息,然后提出双标签图核算法表征事件异构图,实现深度表征图的结构及语义信息.实验结果表明,该研究提出的去重算法比现有的基于图结构的文本表示去重方法在F1-score指标上提升了10%.最后,该算法能提高新闻文本的去重效果.

基于深度图卷积胶囊网络的图分类模型

针对提取图表征用于图分类过程中的结构信息提取过程的问题,提出了一种图卷积神经网络与胶囊网络融合的图分类模型。首先,利用图卷积神经网络处理图中的节点信息,迭代以后得到节点表征,表征中蕴含着该节点的子树结构信息;然后,利用Weisfeiler-Lehman图核算法的思想对节点表征的多维度进行排序,得到多视角的图表征;最后,将多视角的图表征整理成胶囊的形式并输入胶囊网络,使用动态路由算法得到更高层次的分类胶囊,进而进行分类。实验结果表明,所提模型在公共数据集上的分类准确度提升了1%~3%,同时具备更强的结构特征提取能力,在少样本情况下的表现比DGCNN更加稳定。