[发明专利]一种基于图卷积神经网络的C++抽象信息恢复方法有效
| 申请号： | 201911403402.5 | 申请日： | 2019-12-31 |
| 公开（公告）号： | CN111176623B | 公开（公告）日： | 2021-11-26 |
| 发明（设计）人： | 金舒原;王剑儒 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F8/20 | 分类号： | G06F8/20;G06F8/41;G06N3/04;G06N3/08 |
| 代理公司： | 深圳市创富知识产权代理有限公司 44367 | 代理人： | 吴族平 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于图卷积神经网络的C++抽象信息恢复方法，所述方法包括：首先使用二进制分析工具提取出基本事实，推理使用；对于确定性的规则，直接推理得出结论；对于步骤B不能确定的结论，使用图卷积网络处理得出结论；对于用图卷积网络处理得出的结论，再额外设置一致性检查规则，若不能通过检查，则需要再从步骤C中取出第二个结论再进行尝试，直到可以通过推理得出一致性检查为止。本发明有益效果在于，图卷积神经网络(GCN)可应用于图的顶点的属性预测，把假设推理的规则抽象成图的顶点和边，就可以使用图卷积神经网络的属性预测代替Prolog的假设推理，从而达到更高的速度和准确率。 | ||
| 搜索关键词： | 一种 基于 图卷 神经网络 c++ 抽象 信息 恢复 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911403402.5/，转载请声明来源钻瓜专利网。
