[發(fā)明專利]一種圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法和相關(guān)裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110361331.8
• 申請(qǐng)日: 2021-04-02
• 公開（公告）號(hào): CN113065651B
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 陳亮;劉陽;彭啟標(biāo);鄭子彬
• 申請(qǐng)（專利權(quán)）人: 中山大學(xué)
• 主分類號(hào): G06N3/08
• 分類號(hào): G06N3/08;G06K9/62
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 楊小紅

1.一種圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法，其特征在于，包括：

獲取待修改的圖神經(jīng)網(wǎng)絡(luò)模型和所述圖神經(jīng)網(wǎng)絡(luò)模型中待修改的目標(biāo)節(jié)點(diǎn)；

獲取用于修改目標(biāo)節(jié)點(diǎn)的目標(biāo)觸發(fā)器，其中，所述目標(biāo)觸發(fā)器由節(jié)點(diǎn)特征為目標(biāo)特征的觸發(fā)節(jié)點(diǎn)構(gòu)成，且所述目標(biāo)觸發(fā)器的分類類別為預(yù)置類別；

將所述目標(biāo)觸發(fā)器連接至目標(biāo)節(jié)點(diǎn)，以使得通過所述目標(biāo)觸發(fā)器修改所述目標(biāo)節(jié)點(diǎn)的分類類別為所述預(yù)置類別。

2.根據(jù)權(quán)利要求1所述的圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法，其特征在于，所述目標(biāo)觸發(fā)器的計(jì)算公式包括：

x^u＝g_top(-δ_t；q)；

式中，x^u為目標(biāo)觸發(fā)器，g_top(·)目標(biāo)觸發(fā)器中梯度向量最大的節(jié)點(diǎn)特征，δ_t為預(yù)置類別t和其他標(biāo)簽之間的特征偏好差，q為修改預(yù)算。

3.根據(jù)權(quán)利要求1所述的圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法，其特征在于，所述觸發(fā)節(jié)點(diǎn)的目標(biāo)特征的配置過程包括：

獲取初始觸發(fā)器，其中，所述初始觸發(fā)器為空觸發(fā)器；

將所述初始觸發(fā)器連接至所述目標(biāo)節(jié)點(diǎn)，以激活所述初始觸發(fā)器；

根據(jù)預(yù)置觸發(fā)器優(yōu)化算法，對(duì)所述初始觸發(fā)器中觸發(fā)節(jié)點(diǎn)的節(jié)點(diǎn)特征進(jìn)行優(yōu)化得到目標(biāo)特征。

4.根據(jù)權(quán)利要求3所述的圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法，其特征在于，根據(jù)預(yù)置觸發(fā)器優(yōu)化算法，對(duì)所述初始觸發(fā)器中觸發(fā)節(jié)點(diǎn)的節(jié)點(diǎn)特征進(jìn)行優(yōu)化得到目標(biāo)特征，具體包括：

步驟S11、對(duì)所述初始觸發(fā)器進(jìn)行第i次迭代，1≤i≤p，i為自然數(shù)，p為迭代次數(shù)；

步驟S12、計(jì)算第i次迭代時(shí)，所述初始觸發(fā)器的各節(jié)點(diǎn)特征對(duì)應(yīng)的梯度向量；

步驟S13、將第i-1次迭代時(shí)選擇的節(jié)點(diǎn)特征過濾后，從其他節(jié)點(diǎn)特征中選擇梯度向量最大的節(jié)點(diǎn)特征作為目標(biāo)特征；

步驟S14、將所述目標(biāo)特征添加至所述初始觸發(fā)器中得到新觸發(fā)器；

步驟S15、將所述新觸發(fā)器作為所述初始觸發(fā)器后返回步驟S11，直至i等于所述迭代次數(shù)，停止迭代。

5.根據(jù)權(quán)利要求4所述的圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法，其特征在于，所述步驟S15之前還包括：

將所述新觸發(fā)器按照預(yù)置投影方法投影后，將投影后的觸發(fā)器作為所述新觸發(fā)器。

6.根據(jù)權(quán)利要求1所述的圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法，其特征在于，所述觸發(fā)節(jié)點(diǎn)的目標(biāo)特征的配置過程包括：

獲取觸發(fā)節(jié)點(diǎn)的節(jié)點(diǎn)特征可行解；

計(jì)算各節(jié)點(diǎn)特征可行解對(duì)應(yīng)的梯度向量；

將梯度向量最大的N個(gè)特征作為所述目標(biāo)特征。

7.一種圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法，其特征在于，包括：

第一獲取單元，用于獲取待修改的圖神經(jīng)網(wǎng)絡(luò)模型和所述圖神經(jīng)網(wǎng)絡(luò)模型中待修改的目標(biāo)節(jié)點(diǎn)；

第二獲取單元，用于獲取用于修改目標(biāo)節(jié)點(diǎn)的目標(biāo)觸發(fā)器，其中，所述目標(biāo)觸發(fā)器由節(jié)點(diǎn)特征為目標(biāo)特征的觸發(fā)節(jié)點(diǎn)構(gòu)成，且所述目標(biāo)觸發(fā)器的分類類別為預(yù)置類別；

修改單元，用于將所述目標(biāo)觸發(fā)器連接至目標(biāo)節(jié)點(diǎn)，以使得通過所述目標(biāo)觸發(fā)器修改所述目標(biāo)節(jié)點(diǎn)的分類類別為所述預(yù)置類別。

8.根據(jù)權(quán)利要求7所述的圖神經(jīng)網(wǎng)絡(luò)模型的節(jié)點(diǎn)修改方法，其特征在于，所述目標(biāo)觸發(fā)器的計(jì)算公式包括：

x^u＝g_top(-δ_t；q)；

式中，x^u為目標(biāo)觸發(fā)器，g_top(·)目標(biāo)觸發(fā)器中梯度向量最大的節(jié)點(diǎn)特征，δ_t為預(yù)置類別t和其他標(biāo)簽之間的特征偏好差，q為修改預(yù)算。