龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明公开了一种基于图生成的时序图神经网络预测解释方法，以图节点序列作为输入的解释方法，不依赖于特定的时序图神经网络预测中输入的数据形式，能够同时解释基于快照和基于事件的时序图神经网络预测。本发明利用循环神经网络RNN构建生成模型，捕捉时序图神经网络中节点和边的动态变化，能够适应不同长度的输入序列。本发明采用预训练解释生成器模型和使用广度优先搜索获得输入图节点序列，预训练解释生成器模型可以加快模型收敛速度，同时提高了解释的精确度。本发明具有增强解释方法普适性和实用性，减少解释生成模型计算时间的优点。
主权项：1.一种基于图生成的时序图神经网络模型预测解释方法，其特征在于，使用广度优先搜索算法分别生成预训练和二次训练的训练集，对构建的解释生成模型进行两次训练；利用训练好的生成模型生成解释图；该预测解释方法的步骤包括如下：步骤1，构建解释生成模型；步骤2，从时序图神经网络模型的预测对象所在网络中，提取与预测对象相关的时间段的时序图；步骤3，使用广度优先搜索算法，生成每个时间段时序图的一个节点序列构成的序列集；将时序图所有时间段形成的序列集组成用于预训练的训练集；步骤4，将预训练的训练集输入到解释生成模型中，对模型进行预训练，得到预训练后的解释生成模型；步骤5，提取预测对象所在网络中与预测对象对应时间段的时序图，生成每个时序图的子图；步骤6，采用与步骤3相同的广度优先搜索算法，得到第二次训练的训练集；步骤7，将第二次训练的训练集输入到预训练后的解释生成模型中，进行进一步训练模型，得到训练好的解释生成模型；步骤8，采用广度优先搜索算法，得到待解释预测对象子图对应的序列集数据，将这些数据输入到训练好的解释生成模型中，模型生成的图即为对待解释预测对象的解释图。
全文数据：
权利要求：
百度查询： 西安电子科技大学杭州研究院 西安电子科技大学 基于图生成的时序图神经网络预测解释方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号