摘要
本申请公开了一种节点嵌入优化方法和装置及介质,可应用于图神经网络技术领域。本申请通过对待处理网络图进行自适应图增强得到若干张图视图,从而可以帮助节点嵌入模型学习不同节点关系和图结构,有效提高节点嵌入模型的泛化能力;然后通过对每张图视图的节点进行阈值处理来得到每个节点的增强节点嵌入表示,可以有效避免节点特征过度平滑;同时通过随机攻击方法对待处理网络图进行增强后,计算增强后的待处理网络图的相似度权重,根据增强节点嵌入表示和相似度权重计算待处理网络图的损失值,再根据损失值更新所述待处理网络图的节点嵌入表示,直至所述待处理网络图处于收敛状态或迭代次数大于等于预设次数,从而可以有效提高节点嵌入的质量。
技术关键词
超参数
样本
注意力
神经网络技术
顶点
可读存储介质
邻居
计算机装置
处理器
模块
节点特征
优化装置
非线性
矩阵
程序
存储器
关系
系统为您推荐了相关专利信息
特征提取器
联邦学习方法
全局特征提取
工业物联网
原型
模式辨识方法
暂态故障
电网运行方式
样本
二维卷积神经网络
失效分析方法
证据推理规则
系统风险评估
仿真数据
寿命
燃机叶片
参数推荐方法
榫头
网络检测系统
应力场