首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于泛化模型的图数据预测方法、装置、设备及存储介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:深圳市大数据研究院

摘要:本申请实施例提供了一种基于泛化模型的图数据预测方法、装置、设备及存储介质,属于图数据处理技术领域。方法包括:获取目标图数据,其中,目标图数据包括多个目标节点和对应的节点连接结构;基于目标图数据中的多个目标节点之间组成的节点连接结构,查找出每个目标节点在目标关联层级内的目标连接结构的目标子图;将目标子图输入至泛化模型,得到目标子图中的目标节点的节点类别标签;其中,泛化模型基于目标损失最小化的训练过程进行样本子图中样本节点连接结构与样本节点类别标签之间的因果预测学习得到,目标损失由第一损失、第二损失和第三损失构成。本申请能够提高对图数据预测的准确性。

主权项:1.一种基于泛化模型的图数据预测方法,其特征在于,所述方法包括:获取目标图数据,其中,所述目标图数据包括多个目标节点和所述多个目标节点组成的节点连接结构;基于所述目标图数据中的多个所述目标节点之间组成的节点连接结构,查找出每个目标节点在目标关联层级内的目标连接结构的目标子图;将所述目标子图输入至泛化模型,得到所述目标子图中的目标节点的节点类别标签;其中,所述泛化模型基于目标损失最小化的训练过程进行样本子图中样本节点连接结构与样本节点类别标签之间的因果预测学习得到,所述目标损失由第一损失、第二损失和第三损失构成,所述第一损失基于针对所述样本子图的核心特征输出的预测节点类别标签相对于所述核心特征的样本节点类别标签之间的差异确定;所述第二损失基于预设模型针对所述样本子图的冗余特征预测各样本节点类别标签时的概率分布均匀度确定;所述第三损失根据所述核心特征和所述冗余特征之间的样本距离确定,所述核心特征为按照注意力机制得到的边掩码矩阵对样本子图的样本节点连接结构进行增强表示得到的特征;所述冗余特征为按照所述边掩码矩阵的补集矩阵对样本子图的样本节点连接结构进行弱化表示得到的特征。

全文数据:

权利要求:

百度查询: 深圳市大数据研究院 基于泛化模型的图数据预测方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。