买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院计算技术研究所

摘要：本发明提供了一种图学习装置构建方法及图学习方法，所述图学习装置用于学习图数据以用于图分类、节点分类、节点回归、连边预测等图分析任务，包括：获取历史图数据及其对应的实际标签，所述标签为图真实分布或图节点类型分布，所述图数据包括多个图节点；构建包括公共状态空间构建模块、伪节点适应性调整模块、图节点局部更新模块、节点全局更新模块的初始图学习装置；采用历史图数据及其对应的标签将初始图学习装置训练至收敛，其中，在图学习装置训练过程中采用获得的预测标签与实际标签计算交叉熵损失并更新图学习装置的参数。本发提出的图学习装置可实现图学习过程与图结构解耦，并且有效降低图节点间特征传递的时间与空间复杂度。

主权项：1.一种图学习装置构建方法，所述图学习装置用于学习图数据，其特征在于，所述方法包括：S1、获取历史图数据及其对应的实际标签，所述实际标签为图数据类型真实分布或图节点类型真实分布，所述图数据包括多个图节点；S2、构建初始图学习装置，所述初始图学习装置包括公共状态空间构建模块、伪节点适应性调整模块、图节点局部更新模块、节点全局更新模块、输出模块，其中：所述公共状态空间模块用于构建公共状态空间、基于公共状态空间生成图数据对应的扩展图结构，其中，公共状态空间中配置有距离测度方法；所述伪节点适应性调整模块用于基于扩展图结构采用距离测度方法确定节点间的连边权重，并使图节点基于图节点与伪节点的连边权重加权自身节点特征并传递给对应伪节点，以及使任意两个伪节点基于二者之间的连边权重加权自身获得的所有图节点特征再进行特征交换，并使每个伪节点融合特征交换后获得的图节点特征，以及使每个伪节点基于与图节点的连边权重加权自身融合后的图节点特征并反馈给对应的图节点；所述图节点局部更新模块用于基于扩展图结构用于将每个图节点的所有邻居节点的节点特征与其自身节点特征进行融合以更新该图节点特征，并使每个图节点基于更新后的特征更新自身节点状态；所述节点全局更新模块用于基于图节点局部更新模块更新了节点状态后的扩展图结构，以距离测度方法重新计算节点间的连边权重，并使图节点基于重新计算的图节点与伪节点的连边权重加权自身更新后节点特征并传递给对应伪节点，以及任意两个伪节点基于二者之间的连边权重加权自身获得的更新后图节点特征再进行特征交换，并使每个伪节点融合特征交换后获得的图节点特征，以及使每个伪节点基于与图节点的连边权重加权自身融合后的图节点特征再反馈给对应的图节点以使图节点更新自身的节点状态和节点特征；所述输出模块用于基于所述节点全局更新模块更新后的图节点状态与伪节点状态获取输出预测标签；S3、采用历史图数据及其对应的实际标签将初始图学习装置训练至收敛，其中，采用图学习装置获得的预测标签与实际标签计算交叉熵损失更新图学习装置的参数。

全文数据：

权利要求：

百度查询： 中国科学院计算技术研究所 一种图学习装置构建方法及图学习方法