进化图生成对抗网络的推荐方法

    公开(公告)号:CN117910519B

    公开(公告)日:2024-06-07

    申请号:CN202410315719.8

    申请日:2024-03-20

    申请人: 烟台大学

    摘要: 本发明属于图结构优化推荐领域,提供了一种进化图生成对抗网络的推荐方法,包括确定图的节点和边,构建真实图结构;生成器利用不同的变异函数生成不同的虚假图结构;鉴别器利用适应性函数对每个生成的虚假图结构进行质量评估,确定每个生成的虚假图结构的适应性得分并反馈给生成器;根据每个虚假图结构的适应性得分进行排序,生成器会通过适应性得分最高的虚假图结构来生成更加逼真的数据分布;每一轮进化迭代后,鉴别器更新自适应损失以便于能够更好地区分真实数据分布和生成数据分布,进而得到最优的图结构。本发明利用进化算法来使得原先的生成器充当进化体不断的在环境(鉴别器)中进化,减少模式崩溃与梯度问题。

    异质图神经网络属性补全方法
    7.
    发明公开

    公开(公告)号:CN115587626A

    公开(公告)日:2023-01-10

    申请号:CN202211269371.0

    申请日:2022-10-18

    申请人: 烟台大学

    IPC分类号: G06N3/08 G06V10/82

    摘要: 本发明公开了一种异质图神经网络属性补全方法,包括使用异质信息网络的嵌入方法对异质图网络进行节点嵌入,以形成拓扑网络结构;以拓扑结构为指导,通过残差注意力机制来聚合目标节点的邻居属性,对缺失属性的目标节点进行属性补全操作;将该方法与其他的异质网络模型相结合,计算模型的损失函数,并进行优化,达到一个端到端的效果。本发明可以与不同的异质图神经网络模型结合,并在真实的数据集上进行实验,针对属性缺失和训练过拟合问题,得到了更好的解决效果,明显的提高了预测的性能。

    进化图生成对抗网络的图应用方法、系统及推荐方法

    公开(公告)号:CN117910519A

    公开(公告)日:2024-04-19

    申请号:CN202410315719.8

    申请日:2024-03-20

    申请人: 烟台大学

    摘要: 本发明属于图结构优化推荐领域,提供了一种进化图生成对抗网络的图应用方法、系统及推荐方法,包括确定图的节点和边,构建真实图结构;生成器利用不同的变异函数生成不同的虚假图结构;鉴别器利用适应性函数对每个生成的虚假图结构进行质量评估,确定每个生成的虚假图结构的适应性得分并反馈给生成器;根据每个虚假图结构的适应性得分进行排序,生成器会通过适应性得分最高的虚假图结构来生成更加逼真的数据分布;每一轮进化迭代后,鉴别器更新自适应损失以便于能够更好地区分真实数据分布和生成数据分布,进而得到最优的图结构。本发明利用进化算法来使得原先的生成器充当进化体不断的在环境(鉴别器)中进化,减少模式崩溃与梯度问题。