[發明專利]基于圖結構數據的網絡訓練方法、裝置以及節點分類方法

在審

• 申請號: 202011169741.4
• 申請日: 2020-10-28
• 公開（公告）號: CN112200266A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 丁強剛;趙沛霖
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06N20/20
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 李文淵

1.一種基于圖結構數據的網絡訓練方法，其特征在于，所述方法包括：

獲取圖結構訓練數據對應的有損圖結構數據；

將所述有損圖結構數據輸入到目標網絡的生成網絡中，以對所述有損圖結構數據進行連邊恢復并生成對應的圖結構更新數據；所述目標網絡包括所述生成網絡和預測網絡；

將所述圖結構更新數據輸入到所述預測網絡中，以對所述圖結構更新數據的節點進行分類預測得到所述圖結構更新數據的節點分類結果；

根據所述圖結構更新數據的節點分類結果，對所述生成網絡和所述預測網絡進行網絡參數調整，直至所述生成網絡和所述預測網絡收斂，得到已訓練的目標網絡。

2.根據權利要求1所述的方法，其特征在于，所述對所述有損圖結構數據進行連邊恢復并生成對應的圖結構更新數據，包括：

對所述有損圖結構數據進行連邊恢復；

根據已恢復的連邊數據得到殘差鄰接矩陣；

根據所述殘差鄰接矩陣生成所述圖結構更新數據。

3.根據權利要求2所述的方法，其特征在于，所述有損圖結構數據包括點特征矩陣和鄰接矩陣；

所述對所述有損圖結構數據進行連邊恢復，根據已恢復的連邊數據得到殘差鄰接矩陣，根據所述殘差鄰接矩陣生成所述圖結構更新數據，包括：

根據所述點特征矩陣和所述鄰接矩陣進行連邊恢復，根據已恢復的連邊數據生成所述殘差鄰接矩陣；

將所述鄰接矩陣和所述殘差鄰接矩陣進行疊加；

根據疊加得到的鄰接矩陣生成所述圖結構更新數據。

4.根據權利要求3所述的方法，其特征在于，所述根據所述點特征矩陣和所述鄰接矩陣進行連邊恢復，根據已恢復的連邊數據生成所述殘差鄰接矩陣，包括：

將所述點特征矩陣和所述鄰接矩陣輸入到圖神經網絡中，以通過所述圖神經網絡進行連邊恢復，并根據恢復的連邊數據確定所述圖神經網絡的核函數的函數值；

根據所述核函數的函數值生成所述殘差鄰接矩陣。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述圖結構訓練數據為至少兩個輪次的圖結構訓練數據，每個輪次的圖結構訓練數據均對應有有損圖結構數據；

所述獲取圖結構訓練數據對應的有損圖結構數據；將所述有損圖結構數據輸入到目標網絡的生成網絡中，以對所述有損圖結構數據進行連邊恢復并生成對應的圖結構更新數據，包括：

依次將各個輪次的有損圖結構數據輸入到所述生成網絡中，以生成各個輪次的圖結構更新數據；

所述根據所述圖結構更新數據的節點分類結果，對所述生成網絡和所述預測網絡進行網絡參數調整，包括：

根據所述各個輪次的圖結構更新數據對應的節點分類結果，對所述生成網絡和所述預測網絡進行至少兩個輪次的網絡參數調整。

6.根據權利要求5所述的方法，其特征在于，一個輪次的所述圖結構訓練數據包括第一訓練數據和第二訓練數據，若所述圖結構訓練數據為第一訓練數據，所述圖結構更新數據的節點分類結果為第一分類結果，若所述圖結構訓練數據為第二訓練數據，所述圖結構更新數據的節點分類結果為第二分類結果；

對于一個輪次的網絡參數調整，所述根據所述各個輪次的圖結構更新數據對應的節點分類結果，對所述生成網絡和所述預測網絡進行至少兩個輪次的網絡參數調整，包括：

根據所述第一分類結果對所述生成網絡進行網絡參數調整；

根據所述第二分類結果對所述預測網絡進行網絡參數調整。