[发明专利]一种图神经网络模型的节点修改方法和相关装置

权利要求书

1.一种图神经网络模型的节点修改方法，其特征在于，包括：

获取待修改的图神经网络模型和所述图神经网络模型中待修改的目标节点；

获取用于修改目标节点的目标触发器，其中，所述目标触发器由节点特征为目标特征的触发节点构成，且所述目标触发器的分类类别为预置类别；

将所述目标触发器连接至目标节点，以使得通过所述目标触发器修改所述目标节点的分类类别为所述预置类别。

2.根据权利要求1所述的图神经网络模型的节点修改方法，其特征在于，所述目标触发器的计算公式包括：

x^u＝g_top(-δ_t；q)；

式中，x^u为目标触发器，g_top(·)目标触发器中梯度向量最大的节点特征，δ_t为预置类别t和其他标签之间的特征偏好差，q为修改预算。

3.根据权利要求1所述的图神经网络模型的节点修改方法，其特征在于，所述触发节点的目标特征的配置过程包括：

获取初始触发器，其中，所述初始触发器为空触发器；

将所述初始触发器连接至所述目标节点，以激活所述初始触发器；

根据预置触发器优化算法，对所述初始触发器中触发节点的节点特征进行优化得到目标特征。

4.根据权利要求3所述的图神经网络模型的节点修改方法，其特征在于，根据预置触发器优化算法，对所述初始触发器中触发节点的节点特征进行优化得到目标特征，具体包括：

步骤S11、对所述初始触发器进行第i次迭代，1≤i≤p，i为自然数，p为迭代次数；

步骤S12、计算第i次迭代时，所述初始触发器的各节点特征对应的梯度向量；

步骤S13、将第i-1次迭代时选择的节点特征过滤后，从其他节点特征中选择梯度向量最大的节点特征作为目标特征；

步骤S14、将所述目标特征添加至所述初始触发器中得到新触发器；

步骤S15、将所述新触发器作为所述初始触发器后返回步骤S11，直至i等于所述迭代次数，停止迭代。

5.根据权利要求4所述的图神经网络模型的节点修改方法，其特征在于，所述步骤S15之前还包括：

将所述新触发器按照预置投影方法投影后，将投影后的触发器作为所述新触发器。

6.根据权利要求1所述的图神经网络模型的节点修改方法，其特征在于，所述触发节点的目标特征的配置过程包括：

获取触发节点的节点特征可行解；

计算各节点特征可行解对应的梯度向量；

将梯度向量最大的N个特征作为所述目标特征。

7.一种图神经网络模型的节点修改方法，其特征在于，包括：

第一获取单元，用于获取待修改的图神经网络模型和所述图神经网络模型中待修改的目标节点；

第二获取单元，用于获取用于修改目标节点的目标触发器，其中，所述目标触发器由节点特征为目标特征的触发节点构成，且所述目标触发器的分类类别为预置类别；

修改单元，用于将所述目标触发器连接至目标节点，以使得通过所述目标触发器修改所述目标节点的分类类别为所述预置类别。

8.根据权利要求7所述的图神经网络模型的节点修改方法，其特征在于，所述目标触发器的计算公式包括：

x^u＝g_top(-δ_t；q)；

式中，x^u为目标触发器，g_top(·)目标触发器中梯度向量最大的节点特征，δ_t为预置类别t和其他标签之间的特征偏好差，q为修改预算。