摘要
本说明书实施例提供针对图网络的操作预测方法以及操作预测模型训练方法,其中针对图网络的操作预测方法包括:获取初始图网络,确定初始图网络对应的初始操作集,其中,初始操作集包括初始图网络中的可操作图元素;将初始操作集映射至样本操作集,获得目标图元素对应的编码向量,其中,样本操作集基于样本图网络中的可操作图元素构建,目标图元素为样本图网络中与初始图网络的图元素对应的图元素;将初始图网络和编码向量输入操作预测模型,获得针对初始图网络的目标操作,其中,操作预测模型基于样本图网络训练得到。通过该方法,提高了操作预测模型在图网络结构发生变化的情况下的可扩展性和灵活性,进而提升了图网络数据处理的效率与有效性。
技术关键词
编码向量
元素
预测模型训练方法
样本
树形结构
网络设备
电力设备
节点
指令
处理器
存储计算机程序
计算机程序产品
指标
社交
网络结构
发电站
可读存储介质
地点
系统为您推荐了相关专利信息
多模态特征融合
检测设备
神经网络模型
非易失性存储介质
云网
数据样本集合
横向控制方法
偏角
前轮
车辆行驶数据
功耗测试装置
编码向量
时序
模式特征向量
主控制器
气体在线检测方法
校正算法
背景噪声
变压器
线性关系模型