图结构去噪方法、装置和存储介质制造方法及图纸

本申请涉及一种图结构去噪方法、装置和存储介质，其中，方法包括：基于图结构学习模型对第一图结构进行修正，得到第二图结构；基于图卷积网络模型对第二图结构进行处理，构建节点的预测置信度矩阵；根据预测置信度矩阵和置信度阈值，生成第一掩码矩阵，并采用第一掩码矩阵调整第二图结构，得到第三图结构；基于每一次调整置信度阈值后得到的第三图结构，重训练图结构学习模型和图卷积网络模型，确定目标置信度阈值；根据目标置信度阈值和预测置信度矩阵，生成第二掩码矩阵；采用第二掩码矩阵调整目标图结构。通过本申请，不会额外给图邻接矩阵增加连接(噪声)，同时也避免为邻接矩阵增加额外的存储开销。

【技术实现步骤摘要】

本申请涉及图数据处理，特别是涉及一种图结构去噪方法、装置和存储介质。

技术介绍

1、图结构数据广泛存在于社交网络和推荐系统中，并可以运用图卷积网络模型快速进行用户分类、社区检测和产品推荐。在将图结构输入至图卷积网络模型之前，通常会对图结构进行去噪，即消除社交网络和推荐系统中存在的结构化噪声。相关技术的图结构去噪方法，以同质性假设为理论基础，即特征相似的节点为同类节点。其具体是通过多种训练方式，包括共同训练(co-training，包括grcn，slaps)、迭代训练(iter-training，包括idgl)以及预训练(pre-training，包括sublime)来计算节点的特征相似度矩阵并提升图结构数据的质量。然而，这类图结构去噪方法存储开销大，且去噪过程会引入新的噪声，导致后续图卷积网络模型在聚合节点时预测精度降低。

2、针对相关技术的图结构去噪方法存储开销大、额外引入新噪声的问题，目前还没有有效的解决方案。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够降低存储开销、不额外本文档来自技高网...

【技术保护点】

1.一种图结构去噪方法，其特征在于，包括：

2.根据权利要求1所述的图结构去噪方法，其特征在于，基于图结构学习模型对第一图结构进行修正，包括：

3.根据权利要求1所述的图结构去噪方法，其特征在于，基于图卷积网络模型对所述第二图结构进行处理，构建节点的预测置信度矩阵，包括：

4.根据权利要求3所述的图结构去噪方法，其特征在于，根据所述节点的预测信息熵，得到所述预测置信度矩阵，包括：

5.根据权利要求1所述的图结构去噪方法，其特征在于，根据所述预测置信度矩阵和置信度阈值，生成第一掩码矩阵，包括：

6.根据权利要求5所述的图结构去噪方...

【技术特征摘要】

1.一种图结构去噪方法，其特征在于，包括：

2.根据权利要求1所述的图结构去噪方法，其特征在于，基于图结构学习模型对第一图结构进行修正，包括：

3.根据权利要求1所述的图结构去噪方法，其特征在于，基于图卷积网络模型对所述第二图结构进行处理，构建节点的预测置信度矩阵，包括：

4.根据权利要求3所述的图结构去噪方法，其特征在于，根据所述节点的预测信息熵，得到所述预测置信度矩阵，包括：

5.根据权利要求1所述的图结构去噪方法，其特征在于，根据所述预测置信度矩阵和置信度阈值，生成第一掩码矩阵，包括：

6.根据权利要求5所述的图结构去噪方法，其特征在于，所述rad函数的公式如下：

7.根据权利要求1所述的图结构去噪方法，其特征在于，基于每一次调整置信度阈值后得到的第三图结构，重...

【专利技术属性】
技术研发人员：韩申，陈佳伟，王灿，冯雁，罗进开，
申请(专利权)人：杭州高新区滨江区块链与数据安全研究院，
类型：发明
国别省市：