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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD