摘要
本发明提供了一种基于超边大小选择和覆盖率聚合的超图遗忘方法,属于计算机系统模型技术领域,该基于超边大小选择和覆盖率聚合的超图遗忘方法包括接收输入超图和划分数,对所述超图中的每条超边计算超边大小;按照所述超边大小对所述超图中的所述超边进行降序排序;选择排序后占比前百分之四十的所述超边作为核心超边集合,将剩余所述超边作为随机超边集合;将所述核心超边集合分配至每个子图,并将所述随机超边集合均匀且无重叠地分配至所述子图中;初始化所述子图中的节点特征,所述节点特征用于表示节点的初始状态信息;本发明能够解决现有的超图神经网络方法在处理大规模超图时存在计算效率低下的问题。
技术关键词
覆盖率
节点特征
哈希表
梯度下降算法
池化方法
特征选择机制
神经网络模型
排序算法
核心
负载均衡机制
神经网络方法
策略
矩阵
邻居
计算机系统
编码方法
因子
数值
系统为您推荐了相关专利信息
BiLSTM模型
实体消歧方法
节点特征
依存句法分析
生成训练数据
皮肤图像处理方法
图像处理模型
图像分析
SLIC算法
感知特征
表达式
轨迹规划算法
动态
深度强化学习算法
关键点