[發(fā)明專利]基于圖神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)數(shù)據(jù)缺失屬性恢復(fù)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 202110490184.4
• 申請(qǐng)日: 2021-05-06
• 公開（公告）號(hào): CN113194493B
• 公開（公告）日: 2023-01-06
• 發(fā)明（設(shè)計(jì)）人: 李文中;鄭昕韜;張淋洺;方毓楚;陸桑璐
• 申請(qǐng)（專利權(quán)）人: 南京大學(xué)
• 主分類號(hào): H04W24/04
• 分類號(hào): H04W24/04;G06N3/04;G06N3/08
• 代理公司: 南京泉為知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32408
• 代理人: 許丹丹

本發(fā)明公開了一種基于圖神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)數(shù)據(jù)缺失屬性恢復(fù)方法及裝置。所述方法包括：將無線網(wǎng)絡(luò)數(shù)據(jù)映射成對(duì)應(yīng)的拓?fù)鋱D結(jié)構(gòu)，依次將存在缺失屬性的樣本數(shù)據(jù)映射為拓?fù)鋱D結(jié)構(gòu)中的節(jié)點(diǎn)的屬性向量；根據(jù)節(jié)點(diǎn)的屬性向量獲取拓?fù)鋱D結(jié)構(gòu)的鄰接矩陣；利用圖采樣算法將拓?fù)鋱D結(jié)構(gòu)進(jìn)行簡(jiǎn)化，得到稀疏化的鄰接矩陣；基于屬性向量和稀疏化鄰接矩陣，利用圖神經(jīng)網(wǎng)絡(luò)模型進(jìn)行學(xué)習(xí)，輸出經(jīng)過重構(gòu)后恢復(fù)的屬性向量。本發(fā)明方法使用基于圖自動(dòng)編碼器的屬性恢復(fù)框架，采用基于策略梯度的圖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，直接對(duì)無線網(wǎng)絡(luò)數(shù)據(jù)的屬性恢復(fù)問題進(jìn)行建模和學(xué)習(xí)，充分利用了無線網(wǎng)絡(luò)數(shù)據(jù)中相關(guān)性，從而提高無線網(wǎng)絡(luò)數(shù)據(jù)恢復(fù)的屬性的性能。

技術(shù)領(lǐng)域

本發(fā)明涉及無線網(wǎng)絡(luò)數(shù)據(jù)的屬性恢復(fù)問題，具體涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)數(shù)據(jù)缺失屬性恢復(fù)方法及裝置。

背景技術(shù)

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)在過去幾年中取得了巨大的成果，雖然新的技術(shù)突破不斷出現(xiàn)，但絕大多數(shù)監(jiān)督學(xué)習(xí)的方法仍然需要具有完整信息的數(shù)據(jù)集。與此同時(shí)，許多現(xiàn)實(shí)世界問題仍然需要處理具有不完整信息的數(shù)據(jù)集，如生物醫(yī)學(xué)或、保險(xiǎn)部門或者金融機(jī)構(gòu)。因此，需要將那些不完整的數(shù)據(jù)集補(bǔ)充完整的操作是機(jī)器學(xué)習(xí)中必不可少的一個(gè)基本組成部分。

屬性恢復(fù)算法的作用對(duì)象是一些具有缺失數(shù)據(jù)的數(shù)據(jù)集，利用特定的算法將缺失的部分用算法的預(yù)測(cè)值替代補(bǔ)充，最終得到一個(gè)完整數(shù)據(jù)集。

無線網(wǎng)絡(luò)數(shù)據(jù)屬性恢復(fù)是針對(duì)具有無線網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)集進(jìn)行的屬性恢復(fù)，無線網(wǎng)絡(luò)的數(shù)據(jù)擁有的屬性一般包括無線基站的地理位置、移動(dòng)終端的地理位置、移動(dòng)終端的設(shè)備信息、移動(dòng)終端的通信信號(hào)強(qiáng)度等等。在一個(gè)由大量無線網(wǎng)絡(luò)設(shè)施和移動(dòng)終端構(gòu)成的龐大的無線網(wǎng)絡(luò)環(huán)境中，有很多任務(wù)的完成需要依賴于無線網(wǎng)絡(luò)環(huán)境中的數(shù)據(jù)屬性，例如無線網(wǎng)絡(luò)測(cè)量對(duì)于運(yùn)營(yíng)商和研究人員了解網(wǎng)絡(luò)性能、評(píng)估用戶的體驗(yàn)質(zhì)量以及促進(jìn)基礎(chǔ)設(shè)施和資源的部署非常重要。無線網(wǎng)絡(luò)的測(cè)量就依賴于這一場(chǎng)景中的無線網(wǎng)絡(luò)基礎(chǔ)設(shè)施和移動(dòng)終端的數(shù)據(jù)屬性，只有獲取了完整的數(shù)據(jù)屬性，才可以有效的進(jìn)行無線網(wǎng)絡(luò)測(cè)量。但是在實(shí)際網(wǎng)絡(luò)環(huán)境中，想要獲得完整的數(shù)據(jù)屬性基本是不可能的事情，由于無線通信的特點(diǎn)，存在一系列的困難會(huì)導(dǎo)致數(shù)據(jù)屬性的缺失，導(dǎo)致無線網(wǎng)絡(luò)測(cè)量任務(wù)無法進(jìn)行。因此，需要進(jìn)行無線網(wǎng)絡(luò)數(shù)據(jù)的屬性恢復(fù)來補(bǔ)充完整網(wǎng)絡(luò)的數(shù)據(jù)集，從而可以有效的支撐接下來的無線網(wǎng)絡(luò)測(cè)量任務(wù)。

無線網(wǎng)絡(luò)數(shù)據(jù)存在一些和其他樣本數(shù)據(jù)集不一樣的地方，這些數(shù)據(jù)集中的樣本數(shù)據(jù)之間可能存在一定的相關(guān)性，這種相關(guān)性對(duì)無線網(wǎng)絡(luò)數(shù)據(jù)的屬性恢復(fù)帶來一定的挑戰(zhàn)性，因?yàn)樾枰煤眠@種樣本數(shù)據(jù)之間的相關(guān)性，這可以為屬性恢復(fù)的準(zhǔn)確性帶來幫助，但是如何將這種樣本數(shù)據(jù)之間的相關(guān)性應(yīng)用到屬性恢復(fù)中去，這是需要思考和解決的問題。

目前在屬性恢復(fù)算法中，有將屬性恢復(fù)問題構(gòu)建為預(yù)測(cè)任務(wù)，以此為基礎(chǔ)可以應(yīng)用標(biāo)準(zhǔn)監(jiān)督算法的變體，包括K-NN、決策樹、支持向量技術(shù)等。但K-NN 在進(jìn)行相似特征向量的加權(quán)平均方面是有限的，而其他算法則需要建立一個(gè)用于計(jì)算的數(shù)據(jù)集的全局模型。

近年來，人們對(duì)將深度學(xué)習(xí)技術(shù)應(yīng)用于屬性恢復(fù)問題的興趣激增。其中包括對(duì)深度去噪自編碼器的多次歸入、深度網(wǎng)絡(luò)與概率混合模型的組合、變分自編碼器。一般來說，這些方法能更好地捕獲數(shù)據(jù)中的復(fù)雜相關(guān)性，因?yàn)樗鼈冇卸鄬臃蔷€性計(jì)算，但它們?nèi)匀恍枰獜臄?shù)據(jù)集構(gòu)建一個(gè)全局模型，同時(shí)忽略來自相似屬性的潛在重要貢獻(xiàn)。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)上述問題，本發(fā)明提出一種基于圖神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)數(shù)據(jù)缺失屬性恢復(fù)方法，能夠從根本上解決現(xiàn)有無線網(wǎng)絡(luò)數(shù)據(jù)屬性恢復(fù)算法無法有效利用相關(guān)屬性信息的依賴性導(dǎo)致恢復(fù)屬性性能不夠高的問題。

本發(fā)明的另一目的是提供一種基于圖神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)數(shù)據(jù)缺失屬性恢復(fù)裝置。

技術(shù)方案：為了實(shí)現(xiàn)以上發(fā)明目的，本發(fā)明的技術(shù)方案如下：

第一方面，提供一種基于圖神經(jīng)網(wǎng)絡(luò)的無線網(wǎng)絡(luò)數(shù)據(jù)缺失屬性恢復(fù)方法，包括以下步驟：