公开(公告)号：CN119886273A

公开(公告)日：2025-04-25

申请号：CN202510070184.7

申请日：2025-01-16

Applicant: 东北大学

Inventor： 李传文 ,  李季 ,  祁星凯 ,  樊桐旭

IPC: G06N3/092 ,  G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明提供一种基于强化学习的面向子图匹配问题中数据图的修剪方法，涉及子图匹配技术领域。该方法首先构建了子图计数预测模型，用于预测子图计数。其次，构建了基于Deep Q Network算法的强化学习模型，用于删除数据图中与查询图无关的边。并将子图计数预测模型用作强化学习模型的奖励函数，用于度量修剪前后子图匹配的数量、评估修剪效果的优劣，引导强化学习模块进行更新。该方法能够根据数据图和查询图的特征，将数据图中与查询无关的边删除，从而加快子图匹配的查询速度。