一种结合可解释性的图表示学习的超参数优化方法

摘要

本发明涉及超参数优化技术领域，特别涉及一种结合可解释性的图表示学习的超参数优化方法。本方法包括以下步骤：采样若干小规模的子图；根据完全可解释的图特征，分配有限的算力以及用于后续样本权重；对不同的超参数和图特征做去相关化；根据去相关化后的子图和部分原图计算结果，优化原图的图表示学习超参数。该方法采用了完全可解释的图特征，对算力进行合理分配，在超参数优化过程中对不同的超参数和图特征做了去相关处理，使得整体方法在保证性能的同时，具备很高的可解释性。