[發(fā)明專利]一種圖網(wǎng)絡(luò)分類模型的訓(xùn)練方法、裝置、系統(tǒng)及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202110421442.3
• 申請日: 2021-04-20
• 公開（公告）號: CN113269228B
• 公開（公告）日: 2022-06-10
• 發(fā)明（設(shè)計）人: 吳濤;先興平;許愛東;駱俊輝;楊楠;馬紅玉;姜豐
• 申請（專利權(quán)）人: 重慶郵電大學(xué);南方電網(wǎng)科學(xué)研究院有限責(zé)任公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶輝騰律師事務(wù)所 50215
• 代理人: 王海軍

1.一種圖網(wǎng)絡(luò)分類模型的訓(xùn)練方法，其特征在于，所述方法包括：

采集圖數(shù)據(jù)集，并將所述圖數(shù)據(jù)集劃分為有標(biāo)簽節(jié)點和無標(biāo)簽節(jié)點；

將有標(biāo)簽節(jié)點的圖數(shù)據(jù)輸入到分類模型進行訓(xùn)練；

使用訓(xùn)練完成后的分類模型對無標(biāo)簽節(jié)點的圖數(shù)據(jù)分類；

隨機從有標(biāo)簽節(jié)點和無標(biāo)簽節(jié)點中選擇出對抗節(jié)點，計算對抗節(jié)點對對抗樣本生成器損失函數(shù)的影響；

選擇對損失函數(shù)影響最大的一組對抗節(jié)點，將這組對抗節(jié)點所連接的邊作為第一候選邊；

選擇對損失函數(shù)影響最小的一組對抗節(jié)點，將這組對抗節(jié)點所連接的邊作為第二候選邊；

將所述第一候選邊加入到無標(biāo)簽節(jié)點的圖數(shù)據(jù)的鄰接矩陣中，將所述第二候選邊從所述無標(biāo)簽節(jié)點的圖數(shù)據(jù)的鄰接矩陣中刪除；

分別計算出在鄰接矩陣中加入第一候選邊和刪除第二候選邊對分類預(yù)測效果的影響；

將影響較大的無標(biāo)簽節(jié)點的圖數(shù)據(jù)的鄰接矩陣作為對抗樣本；

將對抗樣本輸入到訓(xùn)練完成后的分類模型采用更新后的損失函數(shù)再次進行訓(xùn)練，得到增強后的分類模型；

更新后的損失函數(shù)表示為：

其中，J(A′，X)表示對抗樣本A′與圖數(shù)據(jù)集之間的損失函數(shù)；L表示有標(biāo)簽節(jié)點的集合；其中y_i表示有標(biāo)簽數(shù)據(jù)集中i節(jié)點的標(biāo)簽值，z_i表示有標(biāo)簽數(shù)據(jù)集中i節(jié)點的標(biāo)簽預(yù)測值；α表示權(quán)重參數(shù)；其中z_i表示有標(biāo)簽數(shù)據(jù)集中i節(jié)點的所有標(biāo)簽值；z_j表示無標(biāo)簽數(shù)據(jù)集中j節(jié)點的所有標(biāo)簽值；U表示無標(biāo)簽節(jié)點的集合；表示無標(biāo)簽數(shù)據(jù)集中j 節(jié)點的標(biāo)簽值，A′為對抗樣本，X為節(jié)點特征。

2.根據(jù)權(quán)利要求1所述的一種圖網(wǎng)絡(luò)分類模型的訓(xùn)練方法，其特征在于，將所述圖數(shù)據(jù)集劃分為有標(biāo)簽節(jié)點和無標(biāo)簽節(jié)點之后還包括對所述圖數(shù)據(jù)集進行預(yù)處理，即去重處理、剔除無用數(shù)據(jù)以及規(guī)范化。

3.根據(jù)權(quán)利要求1所述的一種圖網(wǎng)絡(luò)分類模型的訓(xùn)練方法，其特征在于，在所述將影響較大的無標(biāo)簽節(jié)點的圖數(shù)據(jù)的鄰接矩陣作為對抗樣本后還包括判斷所述無標(biāo)簽節(jié)點的圖數(shù)據(jù)的鄰接矩陣與對抗樣本之間的范數(shù)是否小于擾亂預(yù)算，若小于擾亂預(yù)算，則返回使用隨機采樣算法從圖數(shù)據(jù)集中選擇出w組對抗節(jié)點，繼續(xù)生成對抗樣本；否則輸出當(dāng)前的對抗樣本。

4.一種圖網(wǎng)絡(luò)分類模型的訓(xùn)練裝置，其特征在于，所述裝置包括：

數(shù)據(jù)采集模塊，用于采集圖數(shù)據(jù)集；

預(yù)處理模塊，用于將所述數(shù)據(jù)集劃分為有標(biāo)簽節(jié)點和無標(biāo)簽節(jié)點；

第一訓(xùn)練模塊，用于將有標(biāo)簽節(jié)點的圖數(shù)據(jù)輸入到分類模型進行訓(xùn)練；

預(yù)分類模塊，用于從訓(xùn)練完成后的分類模型對無標(biāo)簽節(jié)點的圖數(shù)據(jù)分類；

數(shù)據(jù)生成模塊，用于選擇部分標(biāo)簽節(jié)點作為對抗節(jié)點，并計算對抗節(jié)點對對抗樣本生成器損失函數(shù)的影響；

選擇對損失函數(shù)影響最大的一組對抗節(jié)點，將這組對抗節(jié)點所連接的邊作為第一候選邊；

選擇對損失函數(shù)影響最小的一組對抗節(jié)點，將這組對抗節(jié)點所連接的邊作為第二候選邊；

將所述第一候選邊加入到無標(biāo)簽節(jié)點的圖數(shù)據(jù)的鄰接矩陣中，將所述第二候選邊從所述無標(biāo)簽節(jié)點的圖數(shù)據(jù)的鄰接矩陣中刪除；

分別計算出在鄰接矩陣中加入第一候選邊和刪除第二候選邊對分類預(yù)測效果的影響；

將影響較大的無標(biāo)簽節(jié)點的圖數(shù)據(jù)的鄰接矩陣作為對抗樣本；

第二訓(xùn)練模塊，用于將對抗樣本輸入到訓(xùn)練完成后的分類模型采用更新后的損失函數(shù)再次進行訓(xùn)練，得到增強后的分類模型；

更新后的損失函數(shù)表示為：

其中，J(A′，X)表示對抗樣本A′與圖數(shù)據(jù)集之間的損失函數(shù)；L表示有標(biāo)簽節(jié)點的集合；其中y_i表示有標(biāo)簽數(shù)據(jù)集中i節(jié)點的標(biāo)簽值，z_i表示有標(biāo)簽數(shù)據(jù)集中i節(jié)點的標(biāo)簽預(yù)測值；α表示權(quán)重參數(shù)；其中z_i表示有標(biāo)簽數(shù)據(jù)集中i節(jié)點的所有標(biāo)簽值；z_j表示無標(biāo)簽數(shù)據(jù)集中j節(jié)點的所有標(biāo)簽值；U表示無標(biāo)簽節(jié)點的集合；表示無標(biāo)簽數(shù)據(jù)集中j節(jié)點的標(biāo)簽值，A′為對抗樣本，X為節(jié)點特征。