基于邻域证据验证伪标签的图级无源域适应方法及系统

著录项目

摘要

基于邻域证据验证伪标签的图级无源域适应方法及系统，属于人工智能、图机器学习和无源域适应技术领域。解决了无源部署条件下增强图的标签保持性不足、目标域伪标签在域偏移下不可靠以及错误监督被自训练放大的问题。本发明在不访问源数据及目标标签下，将目标编码器初始化为源编码器并冻结目标预测头；对目标图增强生成候选，经有效性和结构、特征三重筛选构造邻域；利用当前预测器获取初始伪标签及邻域预测，聚合邻域支持程度对伪标签执行确认、纠正或拒绝的三态验证；将通过验证的样本加入累计证据集合，计算置信加权损失更新编码器，迭代至预设轮数，输出适应后目标预测器。适用于分子属性预测与药物发现领域的无源域适应场景中。

附图

附图 1