申请/专利权人:同济大学
申请日:2023-12-21
公开(公告)日:2024-03-29
公开(公告)号:CN117786486A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214;G06N3/0895
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明公开了基于轻量级可变图神经网络模型的动态流式图顶点分类方法,首先,构建图神经网络预训练模型,在初始时间窗口内,应用到达的动态流图进行训练,生成初始顶点的类型标签,并获取训练好的模型参数;然后,在下一个时间窗口内,应用前一时间窗口的模型参数和顶点分类结果,对模型进行重构,并获取新增顶点局部影响的子图,作为重构模型的输入图数据,对新增顶点标注类型标签,并获取重构模型的参数;依次对后续时间窗口内的新增顶点进行分类,直至没有新增动态流图,分类结束。利用图神经网络预训练模型解决流图顶点无类型的冷启动问题,并通过复用和重构该模型对后续到达的流图顶点在线快速分类。
主权项:1.基于轻量级可变图神经网络模型的动态流式图顶点分类方法,其特征在于:首先,构建图神经网络预训练模型,在初始时间窗口内,应用到达的动态流图进行训练,生成初始顶点的类型标签,并获取训练好的模型参数;然后,在下一个时间窗口内,应用前一时间窗口的模型参数和顶点分类结果,对模型进行重构,并获取新增顶点局部影响的子图,作为重构模型的输入图数据,对新增顶点标注类型标签,并获取重构模型的参数;依次对后续时间窗口内的新增顶点进行分类,直至没有新增动态流图,分类结束。
全文数据:
权利要求:
百度查询: 同济大学 可变图神经网络模型的动态流式图顶点分类方法及系统
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。