【技术实现步骤摘要】
本专利技术涉及数据处理，尤其是涉及一种数据评价方法及量子图卷积神经网络模型的训练方法。
技术介绍
1、目前电子商务正如火如荼的发展，成千上万的人们或多或少会选择在网上购物，电子商务平台的发展已经全面融入我国生产生活各领域，成为提升人民生活品质和推动经济社会发展的重要力量。人们在购买一件商品的时候常常会查看以往购买者购买后对这件商品的评论，但是有些个体的评论是有价值的评论有些个体却是一些诱导购买者购买此件商品的欺骗性的评论，例如可能是同一个人使用不同账号进行评论，将评论了商品的使用者连接起来就形成了一个商品使用者评价网络图，即图中的节点表示商品评价者，如何区分网络图中的商品评价者是良性个体还是欺诈性个体，对商品购买者有非常大的作用。目前针对商品使用者评价网络主要通过经典机器学习来处理，该方式处理能力有限。
技术实现思路
1、本专利技术的目的在于提供一种数据评价方法及量子图卷积神经网络模型的训练方法，以提高对待处理用户评价数据集的处理能力。
2、本专利技术提供的一种数据评价方法，方...
【技术保护点】
1.一种数据评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对所述待处理用户评价数据集进行处理，得到所述待处理用户评价数据集对应的待处理量子态的步骤包括：
3.根据权利要求2所述的方法，其特征在于，基于所述标准化邻接矩阵，确定所述待处理用户评价数据集对应的待处理量子态的步骤包括：
4.根据权利要求3所述的方法，其特征在于，对所述第三多维度节点特征矢量进行编码处理，得到所述待处理用户评价数据集对应的待处理量子态的步骤包括：
5.根据权利要求2所述的方法，其特征在于，量子图卷积神经网络模型包括...
【技术特征摘要】
1.一种数据评价方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，对所述待处理用户评价数据集进行处理，得到所述待处理用户评价数据集对应的待处理量子态的步骤包括：
3.根据权利要求2所述的方法，其特征在于，基于所述标准化邻接矩阵，确定所述待处理用户评价数据集对应的待处理量子态的步骤包括：
4.根据权利要求3所述的方法，其特征在于，对所述第三多维度节点特征矢量进行编码处理，得到所述待处理用户评价数据集对应的待处理量子态的步骤包括：
5.根据权利要求2所述的方法，其特征在于，量子图卷积神经网络模型包括依次连接的多层图卷积模块、测量模块和全连接层；
6.根据权利要求5所述的方法，其特征在于，每层所述图卷积模块包括多个幺正模块；每个所述幺正模块由预设的旋转量子门组成。
7.一种量子图卷积神经网络模型的训练方法，其特征在于，...
【专利技术属性】
技术研发人员：崔国龙，
申请(专利权)人：北京中科弧光量子软件技术有限公司，
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。