摘要
本发明提供一种基于信息瓶颈与因果学习的因果子图提取方法、装置,涉及基于特定计算模型的计算机系统技术领域,包括:获取待处理图数据,待处理图数据中包括因果子图,且待处理图数据中还包括噪音子图和伪相关子图中的至少一种;将待处理图数据输入因果子图提取模型进行子图提取处理,得到因果子图;其中,因果子图提取模型是基于因果学习损失函数、分类损失函数和对比损失函数进行迭代训练得到的,因果学习损失函数用于消除待处理图数据中的伪相关子图,分类损失函数和对比损失函数用于消除待处理图数据中的噪音子图。本发明使用的因果子图提取模型,可以针对图结构中的噪音子图和伪相关子图进行针对性消除,提升了提取的因果子图的可信性。
技术关键词
样本
瓶颈
标签
数据
节点
非暂态计算机可读存储介质
梯度下降算法
参数
处理器
计算机系统
存储器
编码
电子设备
模块
程序
系统为您推荐了相关专利信息
随机森林模型
推送系统
模糊逻辑算法
高风险
信息熵
充电桩数量
时间段
谐波畸变率
分析方法
电力系统分析软件
出水温度控制方法
遗传模拟退火算法
能耗
工作点
出水温度控制装置
位移预测方法
高陡边坡
支持向量机模型
岩体结构
交通