【技术实现步骤摘要】
本公开至少涉及图数据处理，尤其涉及一种图增广方法、图增广装置、以及计算机可读存储介质。
技术介绍
1、一般地，根据数据、任务和学习的不同角度，可以将图数据增广方法分为不同的类别。如可以分为：feature-wise：对节点特征进行生成、扰动、校准或去噪等操作；structure-wise：对图结构进行边或节点的添加、删除、扩散或采样等操作。
2、现有的技术在各自的类型上都有一定的效果，但也存在一些缺陷或不足：feature-wise的方法通常忽略了图结构信息，导致生成或扰动后的特征与拓扑关系不一致；structure-wise的方法通常忽略了节点特征信息，导致添加或删除后的结构与属性关系不一致。
3、因此，需要一种新的方法，能够同时考虑feature-wise和structure-wise的增广策略，以达到更好的图数据增广效果。
技术实现思路
1、本公开所要解决的技术问题是：针对上述不足，提供一种图增广方法、图增广装置、以及计算机可读存储介质，以解决如何使增广获得的新图与原图具有相似的节点特征和图结构的问题。
2、第一方面，本公开提供一种图增广方法，所述方法包括：
3、s1、生成对抗网络gan的生成器gθ根据原图g生成新图
4、s2、gan的判别器dφ判别g和属于真实图或生成图的概率dφ(g)和
5、s3、gan的优化器根据dφ(g)和获取对抗损失函数ladv，根据g和的节点特征和图结构获取特征结构损失函数lf
6、s4、利用优化后的gan增广g。
7、第二方面，本公开提供一种图增广装置，所述装置包括生成对抗网络gan，所述gan包括：
8、生成器gθ，用于根据原图g生成新图
9、判别器dφ，与gθ连接，用于判别g和属于真实图或生成图的概率dφ(g)和
10、优化器，与dφ连接，用于根据dφ(g)和获取对抗损失函数ladv，根据g和的节点特征和图结构获取特征结构损失函数lfs，根据ladv和lfs获取双重损失函数ldual，根据ldual优化gθ和dφ，以获得优化后的gan；
11、所述gan，用于在优化后增广g。
12、第三方面，本公开提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器运行时，实现如上所述的图增广方法。
13、本公开提供一种图增广方法、图增广装置、以及计算机可读存储介质，通过在gan的优化器中设置双重损失函数，双重损失函数包括对抗损失函数和特征结构损失函数，通过双重损失函数控制gan的优化，以实现控制利用gan生成的新图与原图之间的具有相似的节点特征和图结构。
本文档来自技高网...【技术保护点】
1.一种图增广方法，其特征在于，所述方法包括：
2.根据权利1所述的方法，其特征在于，步骤S1具体包括GAN的生成器Gθ：
3.根据权利要求2所述的方法，其特征在于，根据(vi)生成新序列具体包括：
4.根据权利要求3所述的方法，其特征在于，将原图G转换为原序列(vi)＝(v1,v2,…,vn)，具体包括：
5.根据权利要求4所述的方法，其特征在于，对(vi)编码以获得隐向量(hi)，具体包括：
6.根据权利要求5所述的方法，其特征在于，对(hi)解码以获得具体包括：
7.根据权利要求6所述的方法，其特征在于，将转换为新属性图具体包括：
8.根据权利要求1所述的方法，其特征在于，步骤S1具体包括GAN的生成器Gθ：
9.根据权利要求1所述的方法，其特征在于，步骤S2具体包括GAN的判别器Dφ：
10.根据权利要求9所述的方法，其特征在于，使用一个GCN网络对大图G进行特征提取，得到每个节点对应的嵌入向量(zi”)，具体包括：
11.根据权利要求10所述的方法，其
12.根据权利要求1-11任一项所述的方法，其特征在于，步骤S3具体包括GAN的优化器：
13.根据权利要求12所述的方法，其特征在于，根据G和的节点特征和图结构计算特征结构损失函数Lfs之前，所述方法还包括：
14.根据权利要求13所述的方法，其特征在于，计算特征损失函数和结构损失函数之前，所述方法还包括：
15.根据权利要求12所述的方法，其特征在于，使用交替优化算法求解总体目标函数，以优化Gθ和Dφ并获得优化后的GAN，具体包括：
16.根据权利要求14所述的方法，其特征在于，利用优化后的GAN增广G，具体包括：
17.一种图增广装置，其特征在于，所述装置包括生成对抗网络GAN，所述GAN包括：
18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被处理器运行时，实现如权利要求1-16任一项所述的图增广方法。
...【技术特征摘要】
1.一种图增广方法，其特征在于，所述方法包括：
2.根据权利1所述的方法，其特征在于，步骤s1具体包括gan的生成器gθ：
3.根据权利要求2所述的方法，其特征在于，根据(vi)生成新序列具体包括：
4.根据权利要求3所述的方法，其特征在于，将原图g转换为原序列(vi)＝(v1,v2,…,vn)，具体包括：
5.根据权利要求4所述的方法，其特征在于，对(vi)编码以获得隐向量(hi)，具体包括：
6.根据权利要求5所述的方法，其特征在于，对(hi)解码以获得具体包括：
7.根据权利要求6所述的方法，其特征在于，将转换为新属性图具体包括：
8.根据权利要求1所述的方法，其特征在于，步骤s1具体包括gan的生成器gθ：
9.根据权利要求1所述的方法，其特征在于，步骤s2具体包括gan的判别器dφ：
10.根据权利要求9所述的方法，其特征在于，使用一个gcn网络对大图g进行特征提取，得到每个节点对应的嵌入向量(zi”)，具体包括：
11.根据权利要求10...
【专利技术属性】
技术研发人员：高伟，汪悦，宋春涛，程新洲，谢志普，王鑫，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。