摘要
本发明公开了一种基于图Transformer的大规模无属性图的分类方法、装置及存储介质,包括:获取待分类大规模无属性图的邻接矩阵和节点特征矩阵;确定基本堆叠单元中各操作之间的连接模式;确定基本堆叠单元中各操作的操作模式和单元层数;基于连接模式、操作模式、单元层数,构建堆叠图神经网络;确定多层感知机模块、LLA模块、CLA模块、全局均值池化模块,并由多层感知机模块、LLA模块、CLA模块、全局均值池化模块,构建局部‑全局相结合的Transformer网络;确定分类网络和线性映射网络,由基于随机连接的堆叠图神经网络、局部‑全局相结合的Transformer网络、线性映射网络、分类网络,确定图Transformer;将邻接矩阵和节点特征矩阵输入到图Transformer,得到大规模无属性图的类别。
技术关键词
节点特征
分类网络
多层感知机
矩阵
模块
样本
线性
细粒度特征
搜索算法
模式
分类方法
预测类别
生成算法
概率分布函数
交叉验证法
超参数
梯度下降法
短距离
系统为您推荐了相关专利信息
个性化学习路径
虚拟现实环境
虚拟现实场景
子模块
神经网络模型构建
情感类别
关系网络数据
文本情感倾向
数据分析单元
评估管理系统
频谱态势生成方法
传感器
数据处理中心
生成算法
薄板样条
工业数据安全
管控方法
记录审计日志
分布式密钥
生成哈希值