[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

说明书

本说明书公开了一种模型训练及图数据的处理方法、装置、介质及设备。生成对抗网络包含目标模型和对抗模型。通过将根据图数据确定的各训练样本输入目标模型，得到目标模型对各训练样本的预测结果，并根据预测结果和各训练样本的标注，确定目标模型对各训练样本进行预测的损失，作为第一损失。将各训练样本输入对抗模型，通过对抗模型模拟对各训练样本的分布进行调整。以根据第一损失预估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。以第二损失最小为目标训练目标模型，并以第二损失最大为目标训练对抗模型。通过生成对抗网络中目标模型与对抗模型间对抗性训练方式，最大化目标模型的最低性能，提升目标模型鲁棒性。

技术领域

本说明书涉及机器学习技术领域，尤其涉及一种模型训练及图数据的处理方法、装置、介质及设备。

背景技术

目前，用户对自己的隐私数据越来越关注。在机器学习领域，在训练模型时采用的训练数据，与在使用训练后的模型执行任务时应用的任务数据通常存在差异。

若训练数据与任务数据间的差异使得训练数据与任务数据存在分布差异，在根据任务数据进行预测时，模型会出行性能下降的情况。

特别是在数据为图结构的数据时，由于能够导致不同图数据间存在差异的因素更多样，于是训练数据与任务数据间更容易出现分布差异，模型的性能更难以得到保持。

因此，如何保障在根据不同分布的图数据进行预测时模型的性能是亟需解的问题。

发明内容

本说明书提供一种模型训练及图数据的处理方法、装置、介质及设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种模型训练方法，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。

本说明书提供了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上述模型训练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。

本说明书提供了一种模型训练装置，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；