公开(公告)号：CN112819103A

公开(公告)日：2021-05-18

申请号：CN202110242585.8

申请日：2021-03-04

Applicant: 吉林大学

Inventor： 黄强 ,  田原 ,  常毅

IPC: G06K9/62 ,  G06N3/08 ,  G06N5/00

Abstract: 本申请实施例公开了一种基于图神经网络的特征识别方法、装置、存储介质及终端，属于计算机技术领域。方法包括：终端确定目标节点对应的至少一个邻居节点，将目标节点与至少一个邻居节点各自对应的M个特征的值输入到预设的图神经网络模型，得到目标节点与至少一个邻居节点各自对应的预测值，基于预训练的非线性特征选择模型对目标节点与至少一个邻居节点各自对应的M个特征的值及预测值进行处理，得到目标节点中的M个特征各自对应的权重值，基于目标节点中的M个特征各自对应的权重值，从M个特征中确定至少一个关键特征，实现了对图神经网络处理的过程的解释，提高了识别图神经网络模型处理过程中关键决策特征的精准度。

公开(公告)号：CN117909736A

公开(公告)日：2024-04-19

申请号：CN202311826037.5

申请日：2023-12-27

Applicant: 吉林大学

Inventor： 常毅 ,  石长隆 ,  黄强 ,  孙慧妍

IPC: G06F18/214 ,  G06N5/01 ,  G06Q10/04 ,  G06Q10/063 ,  G06Q50/00

Abstract: 本申请公开了一种指标变化预测模型训练方法、指标变化预测方法及其装置。该指标变化预测模型训练方法可以根据获取到的样本数据集生成社交网络，将社交网络划分为不同子网络后，基于各边权重矩阵为干扰边分配较低的权重从而实现去除图结构中的干扰，同时为关键边分配更高的权重来保留因果信息，通过相加组合各社交子图结构来形成完整的第一图结构。进一步地，通过对第一图结构进行对称、特征平滑等处理得到第二图结构，再基于加权去噪后的第二图结构和节点的特征信息对指标变化初始模型进行训练，得到指标变化预测模型。由此，本申请实施例可以有效提升因果效应估计方法的鲁棒性，使其在网络受到噪声干扰时仍能保持较好的预测效果。