本发明公开一种用于结构化数据的半监督学习的方法,构建用于结构化数据的半监督对抗神经网络模型,对原始结构化数据X预处理,将原始数据X的特征划分成类别型特征子集xCT和数值型特征子集xNL;模型判别器的原始输入为{x1,xu,xg},其中x1,xu分别是有标记和无标记样本,xg为生成器生成的样本,x1,xu包含的特征集相同,将样本的类别特征子集xCT输入Embedding layer,得到对应的稠密嵌入向量E(xCT),再与数值型特征子集xNL组合得到具有新特征集的样本E(xCT)+xNL,应用BN技术得到归一化的包含新特征集的样本,将新样本输入判别器进行训练,生成样本xg则直接作为判别器的输入;生成器,由三层全连接网络组成并且每一层的输出都应用BN防止梯度弥散,噪声作为输出,得到拥有特征E(xCT)+xNL的生产样本xg。
📄 2019100915817
📂 G06F16_20
👤 中南大学
📅 2019-01-30