[發(fā)明專利]穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010182123.7
• 申請(qǐng)日: 2020-03-16
• 公開（公告）號(hào): CN111476365A
• 公開（公告）日: 2020-07-31
• 發(fā)明（設(shè)計(jì)）人: 崔鵬;何玥
• 申請(qǐng)（專利權(quán)）人: 清華大學(xué)
• 主分類號(hào): G06N3/08
• 分類號(hào): G06N3/08;G06N3/04
• 代理公司: 北京清亦華知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 王艷斌

1.一種穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的方法，其特征在于，包括以下步驟：

S1，根據(jù)給定的多個(gè)有偏采樣的環(huán)境，利用數(shù)據(jù)驅(qū)動(dòng)的建圖方法得到隱含各個(gè)環(huán)境中的有偏關(guān)系的圖結(jié)構(gòu)；

S2，根據(jù)各個(gè)環(huán)境的圖結(jié)構(gòu)以及多環(huán)境的數(shù)據(jù)產(chǎn)生機(jī)制得到圖結(jié)構(gòu)中的每個(gè)點(diǎn)關(guān)聯(lián)共生數(shù)據(jù)樣本的概率；

S3，初始化目標(biāo)圖結(jié)構(gòu)，在多個(gè)環(huán)境中隨機(jī)采樣一條共生數(shù)據(jù)樣本，并條件于該共生數(shù)據(jù)樣本，分別得到各個(gè)有偏環(huán)境中的產(chǎn)生概率和所述目標(biāo)圖結(jié)構(gòu)所隱含的關(guān)系下的產(chǎn)生概率，將所述目標(biāo)圖結(jié)構(gòu)的產(chǎn)生概率為各環(huán)境的產(chǎn)生概率的均值；

S4，循環(huán)迭代步驟S2和S3，至滿足收斂條件，得到穩(wěn)定圖結(jié)構(gòu)。

2.根據(jù)權(quán)利要求1所述的穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的方法，其特征在于，所述S2進(jìn)一步包括：

給定各環(huán)境的圖結(jié)構(gòu)，經(jīng)過圖卷積網(wǎng)絡(luò)得到對(duì)應(yīng)的點(diǎn)表征；

輪流從各環(huán)境采樣一條真實(shí)共生數(shù)據(jù)樣本，平均池化點(diǎn)表征得到共生數(shù)據(jù)的表征，經(jīng)過編碼器產(chǎn)生隱變量分布；

從所述隱變量分布中采樣，分別與每個(gè)點(diǎn)表征組合輸入解碼器，合并所有點(diǎn)的輸出并經(jīng)過SoftMax層，得到每個(gè)點(diǎn)關(guān)聯(lián)此共生樣本的概率。

3.根據(jù)權(quán)利要求1所述的穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的方法，其特征在于，

利用多環(huán)境信號(hào)，通過平衡各環(huán)境中有偏的高階和非線性關(guān)系，無監(jiān)督的構(gòu)建對(duì)數(shù)據(jù)分布變化保持穩(wěn)定圖結(jié)構(gòu)。

4.根據(jù)權(quán)利要求1所述的穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的方法，其特征在于，

從圖結(jié)構(gòu)開始，自底向上地產(chǎn)生原始稀疏數(shù)據(jù)信號(hào)的基于圖卷積的深度生成框架。

5.一種穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的裝置，其特征在于，包括：

建圖模塊，用于根據(jù)給定的多個(gè)有偏采樣的環(huán)境，利用數(shù)據(jù)驅(qū)動(dòng)的建圖方法得到隱含各個(gè)環(huán)境中的有偏關(guān)系的圖結(jié)構(gòu)；

數(shù)據(jù)生成模塊，用于根據(jù)各個(gè)環(huán)境的圖結(jié)構(gòu)以及多環(huán)境的數(shù)據(jù)產(chǎn)生機(jī)制得到圖結(jié)構(gòu)中的每個(gè)點(diǎn)關(guān)聯(lián)共生數(shù)據(jù)樣本的概率；

計(jì)算模塊，用于初始化目標(biāo)圖結(jié)構(gòu)，在多個(gè)環(huán)境中隨機(jī)采樣一條共生數(shù)據(jù)樣本，并條件于該共生數(shù)據(jù)樣本，分別得到各個(gè)有偏環(huán)境中的產(chǎn)生概率和所述目標(biāo)圖結(jié)構(gòu)所隱含的關(guān)系下的產(chǎn)生概率，將所述目標(biāo)圖結(jié)構(gòu)的產(chǎn)生概率為各環(huán)境的產(chǎn)生概率的均值；

學(xué)習(xí)模塊，用于循環(huán)迭代，至滿足收斂條件，得到穩(wěn)定圖結(jié)構(gòu)。

6.根據(jù)權(quán)利要求5所述的穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的裝置，其特征在于，所述數(shù)據(jù)生成模塊具體用于：

給定各環(huán)境的圖結(jié)構(gòu)，經(jīng)過圖卷積網(wǎng)絡(luò)得到對(duì)應(yīng)的點(diǎn)表征；

輪流從各環(huán)境采樣一條真實(shí)共生數(shù)據(jù)樣本，平均池化點(diǎn)表征得到共生數(shù)據(jù)的表征，經(jīng)過編碼器產(chǎn)生隱變量分布；

從所述隱變量分布中采樣，分別與每個(gè)點(diǎn)表征組合輸入解碼器，合并所有點(diǎn)的輸出并經(jīng)過SoftMax層，得到每個(gè)點(diǎn)關(guān)聯(lián)此共生樣本的概率。

7.根據(jù)權(quán)利要求5所述的穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的裝置，其特征在于，

利用多環(huán)境信號(hào)，通過平衡各環(huán)境中有偏的高階和非線性關(guān)系，無監(jiān)督的構(gòu)建對(duì)數(shù)據(jù)分布變化保持穩(wěn)定圖結(jié)構(gòu)。

8.根據(jù)權(quán)利要求5所述的穩(wěn)定圖結(jié)構(gòu)學(xué)習(xí)的裝置，其特征在于，

從圖結(jié)構(gòu)開始，自底向上地產(chǎn)生原始稀疏數(shù)據(jù)信號(hào)的基于圖卷積的深度生成框架。