买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学

摘要：本发明涉及人工智能技术领域，揭露了面向Non‑IID图数据的多任务图分类模型构建方法，包括：客户端获取本地图数据，并对本地图数据配置混合图神经网络模型；利用混合图神经网络模型对所述本地图数据的分类预测，得到本地图数据的图预测结果，并提取当前混合图神经网络模型的融合层参数，并将融合层参数上传至中央服务器；中央服务器接收混合图神经网络模型中融合层参数，并利用聚合函数将所述融合层参数进行聚合，得到聚合融合层参数，中央服务器将聚合融合层参数分发至所述客户端。本发明还提出一种面向Non‑IID图数据的多任务图分类模型构建系统。本发明可以提高面向Non‑IID图数据的多任务图分类模型构建的准确率以及泛化能力。

主权项：1.一种面向Non-IID图数据的多任务图分类模型构建方法，其特征在于，所述方法包括：客户端获取本地图数据，并对所述本地图数据配置混合图神经网络模型，所述本地图数据包括生物小分子图结构数据、蛋白质图结构数据、社交网络图结构数据以及超像素网络图结构数据四者中至少一者；利用所述混合图神经网络模型对所述本地图数据的分类预测，得到本地图数据的图预测结果，并提取当前混合图神经网络模型的融合层参数，并将所述融合层参数上传至中央服务器；中央服务器接收所述混合图神经网络模型中融合层参数，并利用预设的聚合函数将所述融合层参数进行聚合，得到聚合融合层参数，所述中央服务器将所述聚合融合层参数分发至所述客户端；所述对所述本地图数据配置混合图神经网络模型，包括：对每个所述客户端构建混合图神经网络模型，其中，所述混合图神经网络模型包括一层预处理层，三层图编码层、两层混合自注意力图粗化模块以及一层读出层；所述对每个所述客户端构建图神经网络模型，包括：预处理层：定义图编码层的隐藏维度，并将所有客户端设置为相同的隐藏维度，其中，所述预处理层包括一层神经网络线性层，所述预处理层将所述客户端的多维度节点特征矩阵映射到所述图编码层的隐藏维度；图编码层：查询所述本地图数据集中的节点的邻近节点，并根据预设的邻居特征聚合函数提取邻近节点的特征表示，得到邻近节点信息；利用预设的消息传递方案框架对所述本地图数据集中的节点进行信息提取，得到节点信息；根据所述邻近节点信息对所述节点信息进行更新，得到更新节点信息；混合自注意力图粗化模块：采用混合自注意力打分模块对所述节点特征进行打分，得到多个打分结果；根据动态自适应的融合模块对所述多个打分结果进行加权组合，得到最终融合分数；利用KMIS拓扑感知采样模块对所述本地图数据集进行采样，得到本地图数据集的粗化图；读出层：对本地图数据集的粗化图进行分类预测，得到分类预测结果。

全文数据：

权利要求：

百度查询： 重庆大学 面向Non-IID图数据的多任务图分类模型构建方法及系统