一种对抗神经网络的动态大图摘要算法制造技术

本发明专利技术公开了一种对抗神经网络的动态大图摘要算法，涉及图像处理技术领域，本发明专利技术使用动态对抗神经网络模型解决在线信息检索系统中的快速精确检索，通过多层卷积和池化操作获取大图的深度特征，将凝练图中大量且复杂的信息进而得到小规模、高密度的图摘要表示；采用自监督学习方式构建预训练模型，当需要解决下游任务时，可使用预训练模型进行微调，而非每一次都从头开始训练全新的模型，加速了模型优化过程；为用户提供高效的在线信息检索的可行方案，具有较好的泛化性，可通过持续优化模型，获取动态大图变化过程中的最佳图摘要，为用户提供在线、快速的信息检索服务。

【技术实现步骤摘要】

本专利技术涉及图像处理，具体为一种对抗神经网络的动态大图摘要算法。

技术介绍

1、随着时间指数级增长的、相互关联的图应用数据，这种持续不断产生的数据形成了动态图大数据。由于图数据规模越来越大，难以将图大数据放入内存。另外，其规模庞大且结构复杂，分析或查询图中重要信息的效率较低，再加上大图中存在大量噪声数据，会掩盖动态大图中蕴含着的重要信息。

2、无论是进行图查询还是图数据挖掘都能及时得到结果，避免处理速度过慢导致动态图处理结果失效。因此，图摘要作为一种常见的、有效的方法被提出和广泛应用，它是将大规模图数据转化为一个小规模的数据表示，可以是小图或子图等。图摘要对动态大图处理有着众多价值，图摘要可以减小大图存储的压力，便于读入内存；实现快速查询图中重要信息。

3、当前动态大图摘要的算法主要分为：简化算法、群聚算法、压缩算法和影响力传播算法等；简化算法是从大图中按照随机或分层等方式抽取代表顶点，构成简化后的小图数据，这种算法较为简单，易于实现，但是未考虑图结构信息，会破坏动态大图中潜在的价值。群聚算法是通过聚类的方式将类似结构和信息的顶点本文档来自技高网...

【技术保护点】

1.一种对抗神经网络的动态大图摘要算法，其特征在于，该算法包括：

2.根据权利要求1所述的一种对抗神经网络的动态大图摘要算法，其特征在于，所述动态大图表示为DG＝(Vt，Et，Xt)，Vt是时刻t的顶点集合，Et是时刻t的边集合，Xt是顶点的属性集合；所述模型参数包括激活函数、判定条件、误差阈值和图卷积网络的层数。

3.根据权利要求2所述的一种对抗神经网络的动态大图摘要算法，其特征在于，所述激活函数为ReLU＝max(0，x)，x为参数；判定条件是交叉熵损失函数C，交叉熵损失函数具体为τ为误差阈值；y为图摘要，为新的图摘要；i是顶点集中的第i个顶点。

...

【技术特征摘要】

1.一种对抗神经网络的动态大图摘要算法，其特征在于，该算法包括：

2.根据权利要求1所述的一种对抗神经网络的动态大图摘要算法，其特征在于，所述动态大图表示为dg＝(vt，et，xt)，vt是时刻t的顶点集合，et是时刻t的边集合，xt是顶点的属性集合；所述模型参数包括激活函数、判定条件、误差阈值和图卷积网络的层数。

3.根据权利要求2所述的一种对抗神经网络的动态大图摘要算法，其特征在于，所述激活函数为relu＝max(0，x)，x为参数；...

【专利技术属性】
技术研发人员：丁传芳，曾程，沈科，
申请(专利权)人：江苏税软软件科技有限公司，
类型：发明
国别省市：