CN119849586A 具备自解释性的图学习方法及系统 （上海交通大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119849586A

(43)申请公布日2025.04.18

(21)申请号202311341509.8

(22)申请日2023.10.16

(71)申请人上海交通大学

地址200240上海市闵行区东川路800号

(72)发明人沈艳艳邓佳乐

(74)专利代理机构上海汉声知识产权代理有限

公司31236

专利代理师胡晶

(51)Int.Cl.

G06N3/0895(2023.01)

G06N3/0985(2023.01)

G06N3/042(2023.01)

G06N3/0455(2023.01)

G06N5/045(2023.01)

权利要求书4页说明书13页附图1页

(54)发明名称

具备自解释性的图学习方法及系统

(57)摘要

CN119849586A本发明提供了一种具备自解释性的图学习方法及系统，它旨在构造充分且必要的解释，以这样的解释作为输入能够显著提升图学习模型的预测性能与可解释性。其主要步骤包括：步骤S1：解释子图生成——从原始输入图中提取子结构(子图)作为解释；步骤S2：解释增强——对提取出的解释进行扰动构建正负样本对；步骤S3：自解释图学习模型的预测与优化——将解释作为图神经网络的输入并做出预测，计算监督损失和对比损失并用于模型优化