公开(公告)号：CN115618095A

公开(公告)日：2023-01-17

申请号：CN202210750985.4

申请日：2022-06-29

Applicant: 支付宝(杭州)信息技术有限公司 ,  清华大学

Inventor： 朱文武 ,  王鑫 ,  谢贝妮 ,  常恒 ,  王岱鑫 ,  张志强

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00

Abstract: 本说明书实施例提供一种针对图分类任务生成对抗关系图的方法和装置。根据该方法，首先将原始的业务关系图输入图分类模型；该业务关系图包括，代表多个业务对象的多个节点，其中具有业务关联的节点之间存在连接边；图分类模型包括节点表征层和分类输出层。然后，至少根据节点表征层计算得到的业务对象表征，确定业务关系图的类别激活矩阵，该矩阵反映各个业务对象对于图分类模型所分类的各个业务类别的贡献度。于是，可以根据上述类别激活矩阵，按照业务对象的贡献度从高到低的顺序，对多个业务对象中的部分业务对象的属性特征和/或连接边进行扰动修改，得到业务关系图对应的对抗关系图。

公开(公告)号：CN116522987A

公开(公告)日：2023-08-01

申请号：CN202310478411.0

申请日：2023-04-28

Applicant: 清华大学

Inventor： 朱文武 ,  王鑫 ,  谢贝妮

IPC: G06N3/042 ,  G06N3/082 ,  G06N3/0985 ,  G06N3/063 ,  G06F18/241

Abstract: 本发明提供了一种轻量级图神经网络架构搜索方法、装置、分类方法和产品，该方法应用于深度学习技术领域，该方法包括：利用图数据，对所述超网络进行训练，优化所述超网络的参数，所述参数包括：超网络参数、算子掩码矩阵参数和架构搜索参数；利用所述超网络对所述图数据进行训练，优化所述图数据的图结构参数；重复执行上述步骤，得到优化完成后的所述参数和所述图数据的图结构参数；根据优化完成后的所述图数据的图结构参数，得到稀疏化的图数据；利用优化完成后的所述架构搜索参数和所述超网络参数，得到最佳架构；利用优化完成后的所述算子掩码矩阵参数，对所述最佳架构进行裁剪，得到用于执行节点分类任务的轻量级图神经网络架构。

公开(公告)号：CN115841379A

公开(公告)日：2023-03-24

申请号：CN202211625336.8

申请日：2022-12-16

Applicant: 清华大学

Inventor： 朱文武 ,  王鑫 ,  谢贝妮

IPC: G06Q40/03 ,  G06F18/241 ,  G06F18/2135 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请实施例涉及机器学习领域，公开了一种鲁棒性的图神经网络架构搜索方法及产品，包括：获取输入信息，输入信息包括干净图的第一输入信息以及干净图对应的模拟扰动图的第二输入信息；将输入信息输入鲁棒搜索空间中的所有候选架构，得到在每个候选架构上输入信息对应的节点表征，候选架构包含用于降低所述输入信息中不同类型的扰动信息的影响的防御模块；根据在候选架构上输出的节点表征，获取每个候选架构的评价值，并基于评价值，确定最优架构。本申请可以自动搜索出适用于不同应用场景的鲁棒性图神经网络的最优架构，提升从搜索空间中确定的最优架构在受到扰动图攻击时的鲁棒性，减弱甚至消除图神经网络在受到对抗攻击时的性能下降问题。