[发明专利]一种模型训练及图数据的处理方法、装置、介质及设备

权利要求书

1.一种模型训练方法，生成对抗网络包含目标模型和对抗模型，所述方法包括：

根据图数据确定各训练样本，并获取所述各训练样本的标注；

将所述各训练样本输入所述目标模型，得到所述目标模型对所述各训练样本的预测结果，并根据所述预测结果和所述各训练样本的标注，确定所述目标模型对所述各训练样本进行预测的损失，作为第一损失；

将所述各训练样本输入对抗模型，以通过所述对抗模型模拟对所述各训练样本的分布进行调整；

根据所述第一损失，预估所述目标模型对模拟出的调整分布后的各训练样本进行预测的损失，作为第二损失；

以所述第二损失最小为目标，对所述目标模型进行训练，并以所述第二损失最大为目标，对所述对抗模型进行训练。

2.如权利要求1所述的方法，根据图数据确定各训练样本，具体包括：

获取图数据；

针对所述图数据中的每个节点，确定所述图数据中该节点对应的子图；

根据该节点对应的子图确定训练样本。

3.如权利要求1所述的方法，通过所述对抗模型模拟对所述各训练样本的分布进行调整，具体包括：

通过所述对抗模型输出用于调整所述各训练样本的分布的扰动分布；

根据所述第一损失，预估所述目标模型对调整分布后的各训练样本进行预测的损失，具体包括：

根据所述第一损失和所述扰动分布，预估所述目标模型对调整分布后的各训练样本进行预测的损失。

4.如权利要求3所述的方法，通过所述对抗模型输出用于调整所述各训练样本的分布的扰动分布，具体包括：

针对每个训练样本，通过所述对抗模型输出用于调整该训练样本在所述各训练样本中出现概率的扰动权重；

根据每个训练样本对应的扰动权重，得到用于调整所述各训练样本的分布的扰动分布。

5.如权利要求4所述的方法，根据所述第一损失和所述扰动分布，预估所述目标模型对调整分布后的各训练样本进行预测的损失，具体包括：

针对每个训练样本，根据所述扰动分布中该训练样本对应的扰动权重，对所述目标模型预测该训练样本的第一损失加权，得到该训练样本的加权损失；

根据各训练样本的加权损失，预估所述目标模型对模拟出的调整分布后的各训练样本进行预测的损失。

6.如权利要求1所述的方法，以所述第二损失最小为目标，对所述目标模型进行训练，并以所述第二损失最大为目标，对所述对抗模型进行训练，具体包括：

固定所述对抗模型的参数，以所述第二损失最小为目标，调整所述目标模型的参数，并固定所述目标模型的参数，以所述第二损失最大为目标，调整所述对抗模型的参数。

7.一种图数据的处理方法，包括：

接收待处理图数据；

将所述待处理图数据输入训练后的目标模型；其中，所述目标模型为通过权利要求1～6任一项所述的方法训练得到的生成对抗网络中的目标模型；

获得所述目标模型输出的对所述待处理图数据的处理结果。

8.一种模型训练装置，生成对抗网络包含目标模型和对抗模型，所述装置包括：

样本确定模块，用于根据图数据确定各训练样本，并获取所述各训练样本的标注；

预测模块，用于将所述各训练样本输入所述目标模型，得到所述目标模型对所述各训练样本的预测结果，并根据所述预测结果和所述各训练样本的标注，确定所述目标模型对所述各训练样本进行预测的损失，作为第一损失；

模拟模块，用于将所述各训练样本输入对抗模型，以通过所述对抗模型模拟对所述各训练样本的分布进行调整；

预估模块，用于根据所述第一损失，预估所述目标模型对模拟出的调整分布后的各训练样本进行预测的损失，作为第二损失；

训练模块，用于以所述第二损失最小为目标，对所述目标模型进行训练，并以所述第二损失最大为目标，对所述对抗模型进行训练。