[發明專利]基于圖神經網絡的無線網絡數據缺失屬性恢復方法及裝置

有效

• 申請號: 202110490184.4
• 申請日: 2021-05-06
• 公開（公告）號: CN113194493B
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 李文中;鄭昕韜;張淋洺;方毓楚;陸桑璐
• 申請（專利權）人: 南京大學
• 主分類號: H04W24/04
• 分類號: H04W24/04;G06N3/04;G06N3/08
• 代理公司: 南京泉為知識產權代理事務所(特殊普通合伙) 32408
• 代理人: 許丹丹

1.一種基于圖神經網絡的無線網絡數據缺失屬性恢復方法，其特征在于，該方法包括以下步驟：

(1)將存在缺失屬性的無線網絡數據映射為對應的拓撲圖結構的圖節點的屬性向量，得到拓撲圖結構的屬性矩陣；

(2)基于拓撲圖結構的屬性矩陣，利用圖結構學習算法獲取拓撲圖結構的鄰接矩陣，其中圖結構學習算法根據設定的自學習拓撲圖結構公式，利用轉換矩陣將屬性矩陣轉換到潛在空間中，再計算屬性向量在潛在空間中的空間距離，得到一個能夠反應圖節點屬性向量相關性的關于拓撲圖結構的鄰接矩陣，其中將屬性矩陣轉換到潛在空間中的計算方式為：S_i＝tanh(XΘ_i),i＝1,2，Θ_i為轉換矩陣，一共有兩個轉換矩陣，X為屬性矩陣，計算拓撲圖結構的鄰接矩陣的公式為：S₁和S₂分別為利用轉換矩陣Θ₁和Θ₂對屬性矩陣X變化后得到的新矩陣；

(3)利用圖采樣算法將拓撲圖結構進行簡化，得到稀疏化的鄰接矩陣，其中圖采樣算法根據預設采樣次數計算每個節點應該保留的邊，保留的方式是將節點對應的鄰接矩陣中的行向量按照從大到小排序，得到相應的索引值，只保留和采樣次數相同個數的最大元素，其余的元素置為零；

(4)將拓撲圖結構的屬性矩陣和稀疏化的鄰接矩陣，輸入圖自動編碼器神經網絡中，得到重構之后的屬性向量，其中圖自動編碼器神經網絡包括編碼器和解碼器，編碼器利用圖卷積神經網絡對輸入向量進行編碼，得到中間向量，解碼器利用全連接層對中間向量進行解碼，輸出重構之后的屬性向量。

2.根據權利要求1所述的一種基于圖神經網絡的無線網絡數據缺失屬性恢復方法，其特征在于，所述步驟(1)中屬性矩陣的維度是N×D，其中N是無線網絡數據的數據數目，D是數據的屬性維度。

3.根據權利要求1所述的一種基于圖神經網絡的無線網絡數據缺失屬性恢復方法，其特征在于，所述步驟(4)中圖自動編碼器神經網絡編碼器形式如下：其中，σ表示激活函數，A為拓撲圖結構的鄰接矩陣，D為數據的屬性維度，I表示單位矩陣，是根據得到的相應的度矩陣，X為屬性矩陣，W為神經網絡模型參數，解碼器采用兩層隱藏層的全連接神經網絡。

4.根據權利要求1所述的一種基于圖神經網絡的無線網絡數據缺失屬性恢復方法，其特征在于，所述方法還包括：(5)根據圖自動編碼器神經網絡輸出的重構屬性向量和真實完整屬性向量之間的誤差，更新圖結構學習算法和圖自動編碼器神經網絡中的參數。