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:CN118247008A
主分类号:G06Q30/0601
分类号:G06Q30/0601;G06Q30/0202;G06N3/0464;G06N3/042;G06N10/60
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量子图卷积神经网络的商品共同购买预测方法,涉及基于量子计算的人工智能技术领域,本发明中,完全采用量子神经网络对每个节点的集合图信息的量子态进行处理,且使用角度编码的方式能很好地适用于目前的NISQ设备,能够充分利用目前的量子计算机。
主权项:1.一种基于量子图卷积神经网络的商品共同购买预测方法,其特征在于,包括:S1、获取用于表征商品共同购买网络数据集中的多个节点之间连接关系的邻接矩阵,其中,将商品作为节点;S2、根据商品共同购买网络数据集,得到度矩阵,使用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、将每个节点的第一特征矢量编码为量子态;S5、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;S6、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;S7、根据节点的类别数作为测量最后一个量子神经网络的量子比特数,获得的最新的经典信息即为商品共同购买网络数据集中的每个输入训练节点对应的不同类别数据,根据每个输入训练节点对应的不同类别数据,得到每个输入训练节点的输出结果与输入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,得到用于预测共同购买的商品的量子图卷积神经网络模型;S8、利用所述量子图卷积神经网络模型预测共同购买的商品。
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 一种基于量子图卷积神经网络的商品共同购买预测方法
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。