[发明专利]基于图神经网络的无线网络数据缺失属性恢复方法及装置

权利要求书

1.一种基于图神经网络的无线网络数据缺失属性恢复方法，其特征在于，该方法包括以下步骤：

(1)将存在缺失属性的无线网络数据映射为对应的拓扑图结构的图节点的属性向量，得到拓扑图结构的属性矩阵；

(2)基于拓扑图结构的属性矩阵，利用图结构学习算法获取拓扑图结构的邻接矩阵，其中图结构学习算法根据设定的自学习拓扑图结构公式，利用转换矩阵将属性矩阵转换到潜在空间中，再计算属性向量在潜在空间中的空间距离，得到一个能够反应图节点属性向量相关性的关于拓扑图结构的邻接矩阵，其中将属性矩阵转换到潜在空间中的计算方式为：S_i＝tanh(XΘ_i),i＝1,2，Θ_i为转换矩阵，一共有两个转换矩阵，X为属性矩阵，计算拓扑图结构的邻接矩阵的公式为：S₁和S₂分别为利用转换矩阵Θ₁和Θ₂对属性矩阵X变化后得到的新矩阵；

(3)利用图采样算法将拓扑图结构进行简化，得到稀疏化的邻接矩阵，其中图采样算法根据预设采样次数计算每个节点应该保留的边，保留的方式是将节点对应的邻接矩阵中的行向量按照从大到小排序，得到相应的索引值，只保留和采样次数相同个数的最大元素，其余的元素置为零；

(4)将拓扑图结构的属性矩阵和稀疏化的邻接矩阵，输入图自动编码器神经网络中，得到重构之后的属性向量，其中图自动编码器神经网络包括编码器和解码器，编码器利用图卷积神经网络对输入向量进行编码，得到中间向量，解码器利用全连接层对中间向量进行解码，输出重构之后的属性向量。

2.根据权利要求1所述的一种基于图神经网络的无线网络数据缺失属性恢复方法，其特征在于，所述步骤(1)中属性矩阵的维度是N×D，其中N是无线网络数据的数据数目，D是数据的属性维度。

3.根据权利要求1所述的一种基于图神经网络的无线网络数据缺失属性恢复方法，其特征在于，所述步骤(4)中图自动编码器神经网络编码器形式如下：其中，σ表示激活函数，A为拓扑图结构的邻接矩阵，D为数据的属性维度，I表示单位矩阵，是根据得到的相应的度矩阵，X为属性矩阵，W为神经网络模型参数，解码器采用两层隐藏层的全连接神经网络。

4.根据权利要求1所述的一种基于图神经网络的无线网络数据缺失属性恢复方法，其特征在于，所述方法还包括：(5)根据图自动编码器神经网络输出的重构属性向量和真实完整属性向量之间的误差，更新图结构学习算法和图自动编码器神经网络中的参数。