申请/专利权人:江苏税软软件科技有限公司
申请日:2023-10-23
公开(公告)日:2024-04-05
公开(公告)号:CN117829199A
主分类号:G06N3/042
分类号:G06N3/042;G06N3/0464;G06N3/0895;G06N3/094;G06N3/0985;G06F18/213;G06F18/22;G06F16/953;G06N3/048
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明公开了一种对抗神经网络的动态大图摘要算法,涉及图像处理技术领域,本发明使用动态对抗神经网络模型解决在线信息检索系统中的快速精确检索,通过多层卷积和池化操作获取大图的深度特征,将凝练图中大量且复杂的信息进而得到小规模、高密度的图摘要表示;采用自监督学习方式构建预训练模型,当需要解决下游任务时,可使用预训练模型进行微调,而非每一次都从头开始训练全新的模型,加速了模型优化过程;为用户提供高效的在线信息检索的可行方案,具有较好的泛化性,可通过持续优化模型,获取动态大图变化过程中的最佳图摘要,为用户提供在线、快速的信息检索服务。
主权项:1.一种对抗神经网络的动态大图摘要算法,其特征在于,该算法包括:步骤一:输入动态大图和模型参数;步骤二:对于任意时刻,构建一个多层对抗神经网络的预训练模型;对动态大图进行顶点特征提取得到对应层的顶点特征,然后再进行池化操作;多层特征提取后得到该预训练模型下的图摘要;步骤三:当新增图数据加入后,使用预训练模型获得新的图摘要;步骤四:通过判定器依据判定条件判断新的图摘要,满足判定条件,则不需要调整模型,此时,新的图摘要为任意时刻的图摘要,将任意时刻的图摘要进行输出;否则,返回步骤三,使用当前的预训练模型参数继续训练;步骤五:反复执行步骤三和步骤四,重新输入预训练模型并进行训练微调,得到更新后的图摘要并将其作为任意时刻的图摘要进行输出。
全文数据:
权利要求:
百度查询: 江苏税软软件科技有限公司 一种对抗神经网络的动态大图摘要算法
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。