【技术实现步骤摘要】
本申请属于生成图，具体涉及一种基于图对齐大语言模型的文生图方法及联合模型的训练方法、装置、存储介质、设备和计算机程序产品。
技术介绍
1、图生成技术在多个领域中具有重要应用，包括新药研发、材料研发和代码设计等。通过生成具有特定结构和性质的图，可以加速这些领域的研究和开发过程。例如，在新药研发中，生成符合特定药理特性的分子结构图可以显著提高药物发现的效率和成功率。
2、目前，图生成主要依赖于扩散模型和生成对抗网络(generative adversarialnetwork，gan)等深度学习技术。这些方法通过学习给定图数据集的分布，从中采样生成新的图。
3、但是，现有的方法仅能够根据简单的条件(如节点数量和边数量)进行图生成。这导致了生成图的实用性较差，无法满足实际应用中对图结构和性质的具体要求。
技术实现思路
1、本申请旨在提供一种基于图对齐大语言模型的文生图方法及联合模型的训练方法、装置、存储介质、设备和计算机程序产品，至少解决了在生成图的过程中，由于对图的描述方...
【技术保护点】
1.一种基于图对齐大语言模型的文生图方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述将所述随机噪声图以及所述图结构特征数据输入图扩散模型，以通过所述图扩散模型的分数预测器确定所述随机噪声图的噪声，包括：
3.如权利要求1所述的方法，其特征在于，所述从所述随机噪声图去除所述噪声，包括：
4.一种联合模型的训练方法，其特征在于，所述联合模型包含如权利要求1至3任意一项所述的基于图对齐大语言模型的文生图方法中的图对齐大语言模型和图扩散模型，所述训练方法包括：
5.如权利要求4所述的方法，其特征在于，所述将...
【技术特征摘要】
1.一种基于图对齐大语言模型的文生图方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述将所述随机噪声图以及所述图结构特征数据输入图扩散模型，以通过所述图扩散模型的分数预测器确定所述随机噪声图的噪声，包括：
3.如权利要求1所述的方法，其特征在于，所述从所述随机噪声图去除所述噪声，包括：
4.一种联合模型的训练方法，其特征在于，所述联合模型包含如权利要求1至3任意一项所述的基于图对齐大语言模型的文生图方法中的图对齐大语言模型和图扩散模型，所述训练方法包括：
5.如权利要求4所述的方法，其特征在于，所述将所述第一描述文本输入所述图对齐大语言模型，以根据所述图对齐大语言模型的输出文本与所述第一描述训练文本之间的差异，对所述图对齐大语言模型训练，以获得训练后的图对齐大语言模型，包括：
6....
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。