基于深度学习的网络资源共享信息整合方法

摘要

现有方法由于缺乏跨模态信息融合的有效机制等原因，导致其共享信息整合相对误差较高，共享信息整合全面性指数较低。为此，设计了一种基于深度学习(DL)的网络资源共享信息整合方法。利用主成分分析方法(PCA)对网络资源共享信息实施降维处理，以提高DL模型的整合效率。设计了结合DL和图卷积技术的网络资源共享信息整合方法，以降维后的网络资源共享信息为输入，实现网络资源共享信息整合。测试结果表明，设计方法的共享信息整合相对误差整体低于0.1,共享信息整合全面性指数整体高于0.6,说明该方法有效提升了网络资源共享信息的整合精度和全面性。

关键词

主成分分析 / 自编码器模型 / 潜在层 / SNF算法 / 图卷积神经网络 / 网络资源共享信息整合