申请/专利权人：清华大学

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117875360A

主分类号：G06N3/042

分类号：G06N3/042;G06N3/0455;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明提供了一种基于课程学习的自监督预训练系统及方法，涉及图结构数据技术领域，包括第一掩码器将样本图结构数据输入训练过程中的有结构感知能力的掩码自编码器，得到样本图结构数据中每个节点的向量化表示，基于第一残差误差确定构成课程的边集合；第二掩码器基于构成课程的边集合和样本图结构数据选择要掩码的边，得到基于第一难度得分的选取的边集合；有结构感知能力的掩码自编码器基于扰动图为输入进行重建，得到重建图结构数据；基于样本图结构数据和重建图结构数据计算损失值，并基于损失值继续训练，直到得到满足训练结束条件，得到训练好的有结构感知能力的掩码自编码器。上述系统无需标签即可训练。

主权项：1.一种基于课程学习的自监督预训练系统，其特征在于，所述系统包括：第一掩码器，将样本图结构数据输入训练过程中的有结构感知能力的掩码自编码器，得到所述样本图结构数据中每个节点的向量化表示，计算得到第一残差误差，基于所述第一残差误差所表征的第一难度得分，从所述样本图结构数据中选择要掩码的边，确定构成课程的边集合；第二掩码器，基于所述构成课程的边集合和所述样本图结构数据，选择要掩码的边，得到基于所述第一难度得分的选取的边集合；有结构感知能力的掩码自编码器，基于所述第一难度得分的选取的边集合进行掩码得到扰动图，以所述扰动图为输入进行重建，得到重建图结构数据；基于所述样本图结构数据和所述重建图结构数据，计算损失值，并基于所述损失值继续训练，直到得到满足训练结束条件，得到训练好的有结构感知能力的掩码自编码器。

全文数据：

权利要求：

百度查询： 清华大学 一种基于课程学习的自监督预训练系统及方法

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。

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