申请/专利权人:维萨国际服务协会
申请日:2023-02-17
公开(公告)日:2023-12-19
公开(公告)号:CN117256000A
主分类号:G06N3/094
分类号:G06N3/094
优先权:["20220218 US 63/311,620"]
专利状态码:在审-实质审查的生效
法律状态:2024.01.05#实质审查的生效;2023.12.19#公开
摘要:描述了用于使用通用对抗训练来生成鲁棒图神经网络的方法、系统和计算机程序产品。该方法包括接收图神经网络GNN模型以及包括邻接矩阵的二分图,对该GNN模型的模型参数进行初始化,对扰动参数进行初始化,以及基于该二分图对补图的子图进行采样。该方法还包括重复以下操作,直到该模型参数收敛:从均匀分布中抽取随机变量;基于该子图、该随机变量和该扰动参数来生成通用扰动矩阵;通过将该二分图和该通用扰动矩阵输入到该GNN模型来确定贝叶斯个性化排序BPR损失;基于随机梯度上升来更新该扰动参数;以及基于随机梯度下降来更新该模型参数。该方法还包括响应于该模型参数收敛,输出该模型参数。
主权项:1.一种计算机实现的方法,包括:使用至少一个处理器接收包括图神经网络GNN模型和二分图的输入,所述二分图包括根据交互矩阵确定的邻接矩阵;使用至少一个处理器基于贝叶斯个性化排序BPR损失对所述GNN模型的模型参数进行初始化;使用至少一个处理器随机地对扰动参数进行初始化;使用至少一个处理器基于所述二分图来确定补图;使用至少一个处理器对所述补图的子图进行采样;使用至少一个处理器重复以下操作,直到所述模型参数收敛:从均匀分布中抽取随机变量;基于所述子图、所述随机变量和所述扰动参数来生成通用扰动矩阵;通过将所述二分图和所述通用扰动矩阵输入到所述GNN模型来确定BPR损失;基于随机梯度上升来更新所述扰动参数;以及基于随机梯度下降来更新所述模型参数;以及响应于所述模型参数收敛,使用至少一个处理器输出所述模型参数。
全文数据:
权利要求:
百度查询: 维萨国际服务协会 用于使用通用对抗训练来生成鲁棒图神经网络的方法、系统和计算机程序产品
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。