基于圖卷積神經(jīng)網(wǎng)絡(luò)的分布式半監(jiān)督自動(dòng)標(biāo)注方法
所屬分類：技術(shù)論文
上傳者：wwei
文檔大小：807 K
標(biāo)簽： 大數(shù)據(jù) 圖卷積神經(jīng)網(wǎng)絡(luò) 數(shù)據(jù)中臺(tái)
所需積分：0分積分不夠怎么辦？
文檔介紹：為解決數(shù)據(jù)中臺(tái)建設(shè)中數(shù)據(jù)共享融合難與綜合應(yīng)用難等突出問(wèn)題，基于圖卷積神經(jīng)網(wǎng)絡(luò)，面向分布式數(shù)據(jù)中臺(tái)架構(gòu)開發(fā)一種分布式的半監(jiān)督標(biāo)注算法。通過(guò)分析數(shù)據(jù)缺失、數(shù)據(jù)量大以及通信帶寬限制等問(wèn)題，首先使用子空間學(xué)習(xí)提出基于新的正則化項(xiàng)的半監(jiān)督學(xué)習(xí)策略。在此基礎(chǔ)上，進(jìn)一步提出基于二級(jí)中臺(tái)的分布式可解釋注意力圖卷積神經(jīng)網(wǎng)絡(luò)融合方法，以解釋邊的重要性，從而在每一層圖神經(jīng)網(wǎng)絡(luò)基于私有模型與每個(gè)平臺(tái)的公共數(shù)據(jù)進(jìn)行融合，提升模型精準(zhǔn)性。在公共數(shù)據(jù)集上的廣泛實(shí)驗(yàn)結(jié)果表明，該方法可以有效提高標(biāo)簽預(yù)測(cè)的效果，對(duì)大數(shù)據(jù)背景下的分布式融合、應(yīng)用具有一定指導(dǎo)意義。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。