-
公开(公告)号：CN114494783A
公开(公告)日：2022-05-13
申请号：CN202210102394.6
申请日：2022-01-27
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于动态图神经网络的预训练方法，从时间，结构及语义三个角度学习节点表示，包括如下步骤：根据实际需求和系统性能，确定采样子图大小，使用时间敏感采样算法对大规模动态图数据进行子图采样得到子图；针对子图，使用时间敏感的边遮盖算法及节点特征遮盖算法对子图进行遮盖处理，得到处理后的新子图；使用动态图生成算法结合GNN模型对子图的遮盖边及遮盖节点特征预测，保存最优参数，结束预训练过程；加载最优参数，根据不同下游任务对预测的图数据进行微调，得到最终结果。本方法可以处理大规模的动态图数据，并且相比与其他预训练方法，本发明的方法表达能力更强，学到的节点表示更精准，可以更好的在各种下游任务中应用。
Search Results
1
records
(took 0.017 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
