本發明實施例提供了一種基于圖神經網絡知識蒸餾的圖節點分類方法及裝置,將所述學生模型得到的第二預測結果,擬合所述教師模型得到的第一預測結果,通過使用教師模型的第一預測結果優化學生模型的,不需要教師模型和學生模型之間的集成或迭代,也能夠提高分類精度,簡化了優化學生模型的過程;學生模型采用標簽傳播公式,通過有標簽的節點傳播到相鄰無標簽的節點,可以從圖結構的先驗知識中受益;也通過特征變換公式,預測無標簽點集的軟標簽,可以從特征的先驗知識中受益,即數據集中具有硬標簽的點集及無標簽點集的特征。從而充分的使用先驗知識,提高學生模型的分類效果,從而提高分類精度。
聲明:
“基于圖神經網絡知識蒸餾的圖節點分類方法及裝置” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)