摘要
本发明提供一种基于强化学习的面向子图匹配问题中数据图的修剪方法,涉及子图匹配技术领域。该方法首先构建了子图计数预测模型,用于预测子图计数。其次,构建了基于Deep Q Network算法的强化学习模型,用于删除数据图中与查询图无关的边。并将子图计数预测模型用作强化学习模型的奖励函数,用于度量修剪前后子图匹配的数量、评估修剪效果的优劣,引导强化学习模块进行更新。该方法能够根据数据图和查询图的特征,将数据图中与查询无关的边删除,从而加快子图匹配的查询速度。
技术关键词
强化学习模型
修剪方法
数据
注意力神经网络
节点特征
梯度下降算法
预测模型训练
训练集
随机梯度下降
矩阵
邻居
参数
计算方法
模块
策略
度量
系统为您推荐了相关专利信息
泄漏传感器
数据采集频率
业务工单
智能管理系统
烟雾传感器
数据安全存储方法
监控设备
区块链技术
植物电信号
节点
智能装置
矿井环境
内部气体压力值
管理系统
状态监测模块
灾害风险评估
海洋灾害
多参数分析仪
移动式水质
综合指标体系