【技术实现步骤摘要】
本申请涉及数据信息处理，特别涉及一种基于可信高阶知识的轻量化超图神经网络方法及装置。
技术介绍
1、由于超图在高阶相关建模方面的优势，超图神经网络模型引起了广泛关注，在工业部署中的使用场景逐渐增加，并展现出了令人满意的性能。
2、相关技术中，能够构建超图模型，获得超图关联矩阵，利用卷积神经网络轻量化原理，对卷积神经网络进行轻量化优化。
3、然而，相关技术中，超图的高阶建模能力增加了计算的复杂性，阻碍了其在实际产业应用中的部署，推断过程中的高阶结构依赖性较强，超图神经网络模型无法保证可信知识的学习，易出现过拟合现象，不利于实际推理任务，且轻量化超图神经网络模型单独用作部署的准确度较低，亟待改善。
技术实现思路
1、本申请提供一种基于可信高阶知识的轻量化超图神经网络方法及装置，以解决相关技术中，超图的高阶建模能力增加了计算的复杂性，阻碍了其在实际产业应用中的部署，推断过程中的高阶结构依赖性较强，超图神经网络模型无法保证可信知识的学习，易出现过拟合现象，不利于实际推理任务...
【技术保护点】
1.一种基于可信高阶知识的轻量化超图神经网络方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述将教师超图神经网络模型进行初始化，得到初始化后的教师超图神经网络模型，并利用训练测试集训练所述初始化后的教师超图神经网络模型，得到超图神经网络模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述对超图的每个节点进行可信量化，得到每个超边的可信值，包括：
4.根据权利要求3所述的方法，其特征在于，所述构建轻量化端边超图神经网络，并以所述软标签语义表示进行超图概率采样，得到轻量化端边超图神经网络软标签组，包
5...
【技术特征摘要】
1.一种基于可信高阶知识的轻量化超图神经网络方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述将教师超图神经网络模型进行初始化，得到初始化后的教师超图神经网络模型，并利用训练测试集训练所述初始化后的教师超图神经网络模型，得到超图神经网络模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述对超图的每个节点进行可信量化，得到每个超边的可信值，包括：
4.根据权利要求3所述的方法，其特征在于，所述构建轻量化端边超图神经网络，并以所述软标签语义表示进行超图概率采样，得到轻量化端边超图神经网络软标签组，包括：
5.根据权利要求1所述的方法，其特征在于，所述训练所述轻量化端边超图神经网络，得到训练后的轻量化...
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。