公开(公告)号：CN113194493B

公开(公告)日：2023-01-06

申请号：CN202110490184.4

申请日：2021-05-06

Applicant: 南京大学

Inventor： 李文中 ,  郑昕韬 ,  张淋洺 ,  方毓楚 ,  陆桑璐

IPC: H04W24/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的无线网络数据缺失属性恢复方法及装置。所述方法包括：将无线网络数据映射成对应的拓扑图结构，依次将存在缺失属性的样本数据映射为拓扑图结构中的节点的属性向量；根据节点的属性向量获取拓扑图结构的邻接矩阵；利用图采样算法将拓扑图结构进行简化，得到稀疏化的邻接矩阵；基于属性向量和稀疏化邻接矩阵，利用图神经网络模型进行学习，输出经过重构后恢复的属性向量。本发明方法使用基于图自动编码器的属性恢复框架，采用基于策略梯度的图神经网络学习算法，直接对无线网络数据的属性恢复问题进行建模和学习，充分利用了无线网络数据中相关性，从而提高无线网络数据恢复的属性的性能。

公开(公告)号：CN113194493A

公开(公告)日：2021-07-30

申请号：CN202110490184.4

申请日：2021-05-06

Applicant: 南京大学

Inventor： 李文中 ,  郑昕韬 ,  张淋洺 ,  方毓楚 ,  陆桑璐

IPC: H04W24/04 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图神经网络的无线网络数据缺失属性恢复方法及装置。所述方法包括：将无线网络数据映射成对应的拓扑图结构，依次将存在缺失属性的样本数据映射为拓扑图结构中的节点的属性向量；根据节点的属性向量获取拓扑图结构的邻接矩阵；利用图采样算法将拓扑图结构进行简化，得到稀疏化的邻接矩阵；基于属性向量和稀疏化邻接矩阵，利用图神经网络模型进行学习，输出经过重构后恢复的属性向量。本发明方法使用基于图自动编码器的属性恢复框架，采用基于策略梯度的图神经网络学习算法，直接对无线网络数据的属性恢复问题进行建模和学习，充分利用了无线网络数据中相关性，从而提高无线网络数据恢复的属性的性能。