龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：北京中科弧光量子软件技术有限公司
申请日：2024-03-27
公开（公告）日：2024-06-25
公开（公告）号：CN118245876A
主分类号：G06F18/241
分类号：G06F18/241;G06N3/0464;G06N3/042;G06N10/20;G06Q50/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于混合量子经典图卷积神经网络的社区评论分类方法，涉及基于量子计算的社区评论分类技术领域，本发明通过对每个节点的特征矢量进行处理，获得每个节点的维度较少的经典信息，能利用目前的经典机器学习模型和训练框架以及目前的量子计算机进行实现，更适用于目前的NISQ设备。
主权项：1.一种基于混合量子经典图卷积神经网络的社区评论分类方法，其特征在于，包括：S1、获取用于表征社区的图评论网络数据集中的多个节点之间连接关系的邻接矩阵；S2、根据所述图评论网络数据集，得到度矩阵，使用所述度矩阵对所述邻接矩阵进行标准化；S3、将标准化后的邻接矩阵作用在每个节点的特征矢量上，以聚合每个节点的邻近节点的信息，得到每个节点的第一特征矢量；S4、通过单层的第一经典全连接层对每个节点的第一特征矢量进行处理，得到每个节点的第二特征矢量；S5、将所述标准化后的邻接矩阵作用在每个节点的第二特征矢量上，以聚合每个节点的邻近节点的信息，得到每个节点的第三特征矢量；S6、将每个节点的第三特征矢量编码为量子态；S7、利用量子神经网络对每个节点对应的量子态进行处理，以测量所述量子神经网络对应的量子系统的量子比特，获得每个节点的经典信息；S8、将每个节点的经典信息作为相应节点的特征矢量，返回执行S3，直至符合结束条件；S9、将每个节点的最新的经典信息输入单层的第二经典全连接层，输出图评论网络数据集中的每个训练节点对应的不同类别数据，得到每个训练节点对应的不同类别数据与训练节点的真实标签的交叉熵损失函数，根据所述交叉熵损失函数，更新量子神经网络的参数、第一经典全连接层的参数和第二经典全连接层的参数以最小化交叉熵损失函数，直至交叉熵损失函数达到最小值为止，得到用于对社区图评论网络数据进行分类的混合量子经典图卷积神经网络模型；S10、利用所述混合量子经典图卷积神经网络模型对预设社区图评论网络数据进行分类。
全文数据：
权利要求：
百度查询： 北京中科弧光量子软件技术有限公司 基于混合量子经典图卷积神经网络的社区评论分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号