原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本申请提供小样本场景下的半监督图模型联邦训练方法及系统，其中所述小样本场景下的半监督图模型联邦训练方法应用于客户端，包括：响应于模型训练请求构建分类模型，在本地子图数据中无标签图节点构建第一样本集；通过分类模型计算每个无标签图节点对应的置信度，并基于置信度构建第二样本集；根据第一样本集和第二样本集生成伪样本集，并利用分类模型对伪样本集中包含的伪样本进行标注，获得伪训练集；根据伪训练集和本地训练集构建目标训练集，基于目标训练集生成包含多重图结构学习任务的元任务并执行；基于任务执行结果确定多个子图连
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117523314A
(43)申请公布日2024.02.06
(21)申请号202311764515.4
(22)申请日2023.12.20
(71)申请人浙江大学
文档评论（0）