节点分类方法、装置、终端设备及计算机可读存储介质制造方法及图纸

本申请适用于图网络数据技术领域，提供了一种节点分类方法、装置、终端设备及计算机可读存储介质，所述方法包括：对待分类节点的特征信息进行L次卷积计算，得到待分类节点的L个状态信息，根据每个状态信息和预先训练得到的饱和度计算参数，确定每个状态信息的信息饱和度，根据L个状态信息的信息饱和度，确定待分类节点的卷积截断步，根据L个状态信息中的前M个状态信息，生成待分类节点的最终状态信息，根据待分类节点的最终状态信息进行分类，确定待分类节点的节点类型，避免了根据固定的预设跳数范围确定待分类节点的节点类型，提高了对待分类节点进行分类的准确度。

Node classification method, device, terminal equipment and computer readable storage medium

【技术实现步骤摘要】
节点分类方法、装置、终端设备及计算机可读存储介质
本申请属于图网络数据
，尤其涉及一种节点分类方法、装置、终端设备及计算机可读存储介质。
技术介绍
图网络数据是指包括多个点和边构成的数据模型，其中点表示实体，边表示两个实体间的关系。在对图网络数据进行深度挖掘的过程中，可以通过神经网络对图网络数据中的各个节点进行分类。相关技术中，可以根据某个节点的邻居节点，预测得到该节点的节点类型，其中，与该节点之间的距离为一跳的距离的邻居节点为直接邻居节点，而与该节点之间的距离为多跳的距离的邻居节点为间接邻居节点。相应的，可以获取任意一个节点的特征信息，再将预设跳数范围内的直接邻居节点和间接邻居节点均作为该节点的邻居节点，计算该节点与每个邻居节点之间的关联度，并根据各个关联度更新该节点的特征信息，最后根据该节点的更新后的特征信息进行分类，得到该节点的节点类型。但是，在预设跳数范围内选取邻居节点，若直接邻居节点较多，则选取较多的间接邻居节点会影响分类的准确度，而直接邻居节点较少，则选取较少的间接邻居节点也会影响分类的准确度，从而会导致分类不准确的问题。
技术实现思路
本申请实施例提供了一种节点分类方法、装置、终端设备及计算机可读存储介质，可以解决分类结果不准确问题。第一方面，本申请实施例提供了一种节点分类方法，包括：对待分类节点的特征信息进行L次卷积计算，得到所述待分类节点的L个状态信息，其中，L为正整数，所述L次卷积计算中的第i次卷积计算的过程为：根据所述待分类节点的当前特征信息和对应的邻居节点的当前特征信息，计算得到所述待分类节点更新后的特征信息，并根据所述更新后的特征信息和所述待分类节点的当前状态信息进行计算，得到所述待分类节点的更新后的状态信息，所述当前特征信息为第i-1次卷积计算过程所更新的特征信息，所述当前状态信息为第i-1次卷积计算过程得到的状态信息；根据每个所述状态信息和预先训练得到的饱和度计算参数，确定每个所述状态信息的信息饱和度；根据所述L个状态信息的所述信息饱和度，确定所述待分类节点的卷积截断步；根据所述L个状态信息中的前M个状态信息，生成所述待分类节点的最终状态信息，所述M表示所述卷积截断步的参数值，所述M为正整数、且小于或等于所述L；根据所述待分类节点的最终状态信息进行分类，确定所述待分类节点的节点类型。可选的，所述根据所述L个状态信息的所述信息饱和度，确定所述待分类节点的卷积截断步，包括：从所述L个状态信息的所述信息饱和度中，选取不同数目的信息饱和度进行求和，得到多个饱和度和值；从多个所述饱和度和值中选取目标饱和度和值，所述目标饱和度和值大于或等于和值阈值、且与所述和值阈值之间的差值最小；将所述目标饱和度和值所对应的信息饱和度的数目，作为所述卷积截断步。可选的，所述根据所述L个状态信息中的前M个状态信息，生成所述待分类节点的最终状态信息，包括：从多个所述状态信息选取前M个目标状态信息；对于每个所述目标状态信息，获取所述目标状态信息与所述目标状态信息的权重之间的乘积，每个所述目标状态信息的权重是根据所述目标状态信息的信息饱和度得到的；对多个所述乘积进行累加，得到所述待分类节点的最终状态信息。可选的，所述根据所述待分类节点的当前特征信息和对应的邻居节点的当前特征信息，计算得到所述待分类节点更新后的特征信息，包括：对所述待分类节点的当前特征信息进行N次头卷积计算，得到所述待分类节点的N个卷积特征信息，其中N为正整数，所述N次头卷积计算中的第j次头卷积计算的过程为：根据所述待分类节点的当前特征信息、所述邻居节点的当前特征信息、以及第j次头卷积对应的关联度计算参数进行计算，得到所述待分类节点与所述邻居节点之间第j次头卷积对应的关联度，并根据所述第j次头卷积对应的关联度、所述邻居节点的当前特征信息和第j次头卷积对应的头卷积核进行计算，得到第j次头卷积对应的卷积特征信息；根据多个所述卷积特征信息进行拼接，得到所述待分类节点的更新后的特征信息。可选的，所述根据所述待分类节点的当前特征信息、所述邻居节点的当前特征信息、以及第j次头卷积对应的关联度计算参数进行计算，得到所述待分类节点与所述邻居节点之间第j次头卷积对应的关联度，包括：将所述邻居节点与所述待分类节点之间的距离，嵌入所述邻居节点的当前特征信息中，得到距离特征信息；根据所述待分类节点的当前特征信息和所述距离特征信息，结合所述第j次头卷积对应的关联度计算参数进行计算，得到所述待分类节点与所述邻居节点之间第j次头卷积对应的关联度。可选的，所述根据所述第j次头卷积对应的关联度、所述邻居节点的当前特征信息和第j次头卷积对应的头卷积核进行计算，得到第j次头卷积对应的卷积特征信息，包括：根据针对不同邻居节点的第j次头卷积对应的关联度进行归一化，得到多个第j次头卷积对应的归一化后的关联度；根据多个所述第j次头卷积对应的归一化后的关联度、各个所述邻居节点的当前特征信息和所述第j次头卷积对应的头卷积核进行计算，得到所述第j次头卷积对应的卷积特征信息。第二方面，本申请实施例提供了一种节点分类装置，所述装置包括：卷积模块，用于对待分类节点的特征信息进行L次卷积计算，得到所述待分类节点的L个状态信息，其中，L为正整数，所述L次卷积计算中的第i次卷积计算的过程为：根据所述待分类节点的当前特征信息和对应的邻居节点的当前特征信息，计算得到所述待分类节点更新后的特征信息，并根据所述更新后的特征信息和所述待分类节点的当前状态信息进行计算，得到所述待分类节点的更新后的状态信息，所述当前特征信息为第i-1次卷积计算过程所更新的特征信息，所述当前状态信息为第i-1次卷积计算过程得到的状态信息；饱和度计算模块，用于根据每个所述状态信息和预先训练得到的饱和度计算参数，确定每个所述状态信息的信息饱和度；截断步确定模块，用于根据所述L个状态信息的所述信息饱和度，确定所述待分类节点的卷积截断步；生成模块，用于根据所述L个状态信息中的前M个状态信息，生成所述待分类节点的最终状态信息，所述M表示所述卷积截断步的参数值，所述M为正整数、且小于或等于所述L；分类模块，用于根据所述待分类节点的最终状态信息进行分类，确定所述待分类节点的节点类型。可选的，所述截断步确定模块，还用于从所述L个状态信息的所述信息饱和度中，选取不同数目的信息饱和度进行求和，得到多个饱和度和值；从多个所述饱和度和值中选取目标饱和度和值，所述目标饱和度和值大于或等于和值阈值、且与所述和值阈值之间的差值最小；将所述目标饱和度和值所对应的信息饱和度的数目，作为所述卷积截断步。可选的，所述生成模块，还用于从多个所述状态信息选取前M个目标状态信息；对于每个所述目标状态信息，获取所述目标状态信息与所述目标状态信息的权重之间的乘积，每个所述目标状态信息的权重是根据所述目标状态信息的信息饱和度得到的；本文档来自技高网...

【技术保护点】
1.一种节点分类方法，其特征在于，所述方法包括：/n对待分类节点的特征信息进行L次卷积计算，得到所述待分类节点的L个状态信息，其中，L为正整数，所述L次卷积计算中的第i次卷积计算的过程为：根据所述待分类节点的当前特征信息和对应的邻居节点的当前特征信息，计算得到所述待分类节点更新后的特征信息，并根据所述更新后的特征信息和所述待分类节点的当前状态信息进行计算，得到所述待分类节点的更新后的状态信息，所述当前特征信息为第i-1次卷积计算过程所更新的特征信息，所述当前状态信息为第i-1次卷积计算过程得到的状态信息；/n根据每个所述状态信息和预先训练得到的饱和度计算参数，确定每个所述状态信息的信息饱和度；/n根据所述L个状态信息的所述信息饱和度，确定所述待分类节点的卷积截断步；/n根据所述L个状态信息中的前M个状态信息，生成所述待分类节点的最终状态信息，所述M表示所述卷积截断步的参数值，所述M为正整数、且小于或等于所述L；/n根据所述待分类节点的最终状态信息进行分类，确定所述待分类节点的节点类型。/n

【技术特征摘要】
1.一种节点分类方法，其特征在于，所述方法包括：
对待分类节点的特征信息进行L次卷积计算，得到所述待分类节点的L个状态信息，其中，L为正整数，所述L次卷积计算中的第i次卷积计算的过程为：根据所述待分类节点的当前特征信息和对应的邻居节点的当前特征信息，计算得到所述待分类节点更新后的特征信息，并根据所述更新后的特征信息和所述待分类节点的当前状态信息进行计算，得到所述待分类节点的更新后的状态信息，所述当前特征信息为第i-1次卷积计算过程所更新的特征信息，所述当前状态信息为第i-1次卷积计算过程得到的状态信息；
根据每个所述状态信息和预先训练得到的饱和度计算参数，确定每个所述状态信息的信息饱和度；
根据所述L个状态信息的所述信息饱和度，确定所述待分类节点的卷积截断步；
根据所述L个状态信息中的前M个状态信息，生成所述待分类节点的最终状态信息，所述M表示所述卷积截断步的参数值，所述M为正整数、且小于或等于所述L；
根据所述待分类节点的最终状态信息进行分类，确定所述待分类节点的节点类型。


2.如权利要求1所述的方法，其特征在于，所述根据所述L个状态信息的所述信息饱和度，确定所述待分类节点的卷积截断步，包括：
从所述L个状态信息的所述信息饱和度中，选取不同数目的信息饱和度进行求和，得到多个饱和度和值；
从多个所述饱和度和值中选取目标饱和度和值，所述目标饱和度和值大于或等于和值阈值、且与所述和值阈值之间的差值最小；
将所述目标饱和度和值所对应的信息饱和度的数目，作为所述卷积截断步。


3.如权利要求1所述的方法，其特征在于，所述根据所述L个状态信息中的前M个状态信息，生成所述待分类节点的最终状态信息，包括：
从多个所述状态信息选取前M个目标状态信息；
对于每个所述目标状态信息，获取所述目标状态信息与所述目标状态信息的权重之间的乘积，每个所述目标状态信息的权重是根据所述目标状态信息的信息饱和度得到的；
对多个所述乘积进行累加，得到所述待分类节点的最终状态信息。


4.如权利要求1所述的方法，其特征在于，所述根据所述待分类节点的当前特征信息和对应的邻居节点的当前特征信息，计算得到所述待分类节点更新后的特征信息，包括：
对所述待分类节点的当前特征信息进行N次头卷积计算，得到所述待分类节点的N个卷积特征信息，其中N为正整数，所述N次头卷积计算中的第j次头卷积计算的过程为：根据所述待分类节点的当前特征信息、所述邻居节点的当前特征信息、以及第j次头卷积对应的关联度计算参数进行计算，得到所述待分类节点与所述邻居节点之间第j次头卷积对应的关联度，并根据所述第j次头卷积对应的关联度、所述邻居节点的当前特征信息和第j次头卷积对应的头卷积核进行计算，得到第j次头卷积对应的卷积特征信息；
根据多个所述卷积特征信息进行拼接，得到所述待分类节点的更新后的特征信息。


5.如权利要求4所述的方法，其特征在于，所述根据所述待分类节点的当前特征信息、所述邻居节点的当前特征信息、以及第j次头卷积对应的关联度计算参数进行计算，得到所述待分类节点与所述邻居节点之间第j次头卷积对应的关联度，包括：<...

【专利技术属性】
技术研发人员：吴红艳，纪超杰，李烨，蔡云鹏，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东;44