【技术实现步骤摘要】
本专利技术涉及的是一种图神经网络领域的技术，具体是一种基于语义空间映射的零样本异配图嵌入的异配图处理方法。
技术介绍
1、现有异配图嵌入领域多数算法聚焦于节点特征，忽视图结构信息，而结合图结构信息的算法则很少考虑异配图场景。
技术实现思路
1、本专利技术针对现有技术存在的上述不足以及基于异配图设计的算法无法处理非平衡标签的问题，提出一种基于语义空间映射的零样本异配图嵌入的异配图处理方法，通过自适应性卷积，有效捕捉图中多跳邻居的特征信息，优化异配图的嵌入表示。其次，引入类语义描述和图结构表征损失函数，增强网络对多标签和不平衡数据的处理能力，从而显著提高模型在异配图零样本学习任务中的性能，并保持了在同配图场景下的良好表现。
2、本专利技术是通过以下技术方案实现的：
3、本专利技术涉及一种基于语义空间映射的零样本异配图嵌入的异配图处理方法，在离线阶段，构造包含自适应简单图卷积(asgc)层的重新规划简化图卷积网络(replanedsimplified graph conv...
【技术保护点】
1.一种基于语义空间映射的零样本异配图嵌入的异配图处理方法，其特征在于，在离线阶段，构造包含自适应简单图卷积层的RESCN，采用经过预处理的数据集作为样本对其进行训练；在在线阶段，采用训练后的RESCN对实时收到的异配图信息进行处理。
2.根据权利要求1所述的零样本异配图嵌入的异配图处理方法，其特征是，具体包括：
3.根据权利要求2所述的零样本异配图嵌入的异配图处理方法，其特征是，所述的步骤1，具体包括：
4.根据权利要求2所述的零样本异配图嵌入的异配图处理方法，其特征是，所述的步骤3，具体包括：
5.根据权利要求4所述...
【技术特征摘要】
1.一种基于语义空间映射的零样本异配图嵌入的异配图处理方法，其特征在于，在离线阶段，构造包含自适应简单图卷积层的rescn，采用经过预处理的数据集作为样本对其进行训练；在在线阶段，采用训练后的rescn对实时收到的异配图信息进行处理。
2.根据权利要求1所述的零样本异配图嵌入的异配图处理方法，其特征是，具体包括：
3.根据权利要求2所述的零样本异配图嵌入的异配图处理方法，其特征是，所述的步骤1，具体包括...
【专利技术属性】
技术研发人员：刘晓亮，张鹏飞，张明新，邱鸿泽，
申请(专利权)人：中国人民解放军国防大学政治学院，
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。