公开(公告)号：CN114707644B

公开(公告)日：2024-09-06

申请号：CN202210440602.3

申请日：2022-04-25

Applicant: 支付宝(杭州)信息技术有限公司 ,  北京邮电大学

Inventor： 胡斌斌 ,  刘洪瑞 ,  张志强 ,  石川 ,  王啸 ,  周俊

IPC: G06N3/042 ,  G06F18/214 ,  G06F18/2415 ,  G06F16/28 ,  G06N3/08

Abstract: 本说明书实施例提供一种图神经网络的训练方法，涉及基于用户关系图谱对图神经网络进行多轮次迭代更新，其中任一轮次包括：利用当前图神经网络对所述用户关系图谱进行处理，得到与该用户关系图谱中多个用户节点对应的多个分类预测向量；基于所述多个分类预测向量，为所述多个用户节点中第一数量的未标注节点分配对应的伪分类标签；针对所述第一数量的未标注节点中的各个未标注节点，确定利用其训练所述当前图神经网络而产生的信息增益；根据与所述多个用户节点中各个标注节点对应的分类预测向量和真实分类标签，以及与所述各个未标注节点对应的分类预测向量、伪分类标签和信息增益，更新所述当前图神经网络中的模型参数。

公开(公告)号：CN114707644A

公开(公告)日：2022-07-05

申请号：CN202210440602.3

申请日：2022-04-25

Applicant: 支付宝(杭州)信息技术有限公司 ,  北京邮电大学

Inventor： 胡斌斌 ,  刘洪瑞 ,  张志强 ,  石川 ,  王啸 ,  周俊

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06F16/28

Abstract: 本说明书实施例提供一种图神经网络的训练方法，涉及基于用户关系图谱对图神经网络进行多轮次迭代更新，其中任一轮次包括：利用当前图神经网络对所述用户关系图谱进行处理，得到与该用户关系图谱中多个用户节点对应的多个分类预测向量；基于所述多个分类预测向量，为所述多个用户节点中第一数量的未标注节点分配对应的伪分类标签；针对所述第一数量的未标注节点中的各个未标注节点，确定利用其训练所述当前图神经网络而产生的信息增益；根据与所述多个用户节点中各个标注节点对应的分类预测向量和真实分类标签，以及与所述各个未标注节点对应的分类预测向量、伪分类标签和信息增益，更新所述当前图神经网络中的模型参数。

公开(公告)号：CN119311972A

公开(公告)日：2025-01-14

申请号：CN202410985093.1

申请日：2024-07-22

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 王亚昆 ,  王岱鑫 ,  刘洪瑞 ,  胡斌斌 ,  张志强

IPC: G06F16/955 ,  G06F18/214 ,  G06F18/2415 ,  G06F18/243

Abstract: 本说明书提供链接预测方法及装置、程序产品、设备和存储介质，方法包括：确定第一对象的子图内表征第一对象的节点，和第二对象的子图内表征第二对象的节点的共同邻节点，其中，第一对象的子图和第二对象的子图均包括多个节点和多个连边，每个节点表征一个对象，任两个节点之间的连边表征该两个节点所表征的对象之间具有交集；若表征第一对象和第二对象的节点的共同邻节点的数量小于数量阈值，在第一节点的子图和第二节点的子图之间添加至少一条连边，以使表征第一对象和第二对象的共同邻节点的数量不小于数量阈值；将所述第一对象的子图和所述第二对象的子图输入至业务模型，以确定所述第一对象和所述第二对象之间是否具有交集。

公开(公告)号：CN113688574B

公开(公告)日：2024-10-29

申请号：CN202111051476.4

申请日：2021-09-08

Applicant: 北京邮电大学

Inventor： 王啸 ,  石川 ,  刘洪瑞

IPC: G06F30/27 ,  G06N3/042 ,  G06N3/08 ,  G06F111/08

Abstract: 本发明公开了一种应用于GNN的拓扑感知的后处理置信度校正方法，利用GNN中置信度的同质性对置信度进行校正，该校正函数是一种非线性变换，但同样保存了原始GNN的分类精度。此外，本发明基于该校正方法提出了一种校正过后的GNN自训练方法，其中置信度首先由CaGCN校准，然后用于生成伪标签，可以有效地利用高置信度的预测，并通过大量的实验证明了本发明提出的方法在校正和准确性方面的有效性。

公开(公告)号：CN113688574A

公开(公告)日：2021-11-23

申请号：CN202111051476.4

申请日：2021-09-08

Applicant: 北京邮电大学

Inventor： 王啸 ,  石川 ,  刘洪瑞

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F111/08

Abstract: 本发明公开了一种应用于GNN的拓扑感知的后处理置信度校正方法，利用GNN中置信度的同质性对置信度进行校正，该校正函数是一种非线性变换，但同样保存了原始GNN的分类精度。此外，本发明基于该校正方法提出了一种校正过后的GNN自训练方法，其中置信度首先由CaGCN校准，然后用于生成伪标签，可以有效地利用高置信度的预测，并通过大量的实验证明了本发明提出的方法在校正和准确性方面的有效性。