一种基于图节点信息聚合的子图同构约束求解方法技术

本发明专利技术公开了一种基于图节点信息聚合的子图同构约束求解方法，包括如下步骤：1）获取模式图和目标图；2）聚合邻居信息；3）生成约束；4）建立路径约束；5）要求匹配模式图与目标图的路径数；6）建立子图同构的CSP求解模型；7）求解子图同构的CSP求解模型。这种方法提高了子图同构的匹配效率，节约了子图同构匹配的时间。

【技术实现步骤摘要】
一种基于图节点信息聚合的子图同构约束求解方法
本专利技术涉及图匹配、图神经网络和约束求解技术，具体是一种基于图节点信息聚合的子图同构约束求解方法。
技术介绍
在大数据时代，随着信息科技与互联网的快速发展，数据规模不断增长，数据类型不断增多，不同领域关注的实体对象之间的关系变得更加复杂，如何分析和挖掘大数据中蕴含的复杂关系。图作为一种广泛使用的数据结构，非常适合刻画这种存在有内在关联性的数据，图中的每个节点代表现实世界中的实体对象，节点之间的边表示实体之间的关系，例如在社交网络(新浪微博、微信等)中，图可以用来刻画用户之间的交互关系；网络安全领域中，图可以用来刻画主机间进行通信、用户的登录和IP地址的切换等交互关系；计算生物学领域中，图则可以用来刻画蛋白质和酶之间发生的复杂交互、调控与代谢关系等；在化学领域，化合物的一些化学反应特性是由图的结构来决定的，假设所有化合物用数据图表示，给定一个模式图(化合物)，如果在数据库中找出包含此模式图的目标图(化合物)，就可以根据查询图所具有的特性推断出数据图化合物的特性。例如，在化学领域，化合物的某种化学反应本文档来自技高网...

【技术保护点】
1.一种基于图节点信息聚合的子图同构约束求解方法，其特征在于，包括如下步骤：/n1)获取模式图和目标图：获取化合物数据集中的模式图和目标图，其中模式图为以图的形式表示出来的化合物结构，目标图为是否存在该模式图的数据图；/n2)聚合邻居信息：运用图神经网络技术对化合物数据集中的模式图的节点的邻居信息进行聚合，聚合的具体过程为：/n(1)根据公式(1)，将节点的标签值构成模式图的特征矩阵：/n

【技术特征摘要】
1.一种基于图节点信息聚合的子图同构约束求解方法，其特征在于，包括如下步骤：
1)获取模式图和目标图：获取化合物数据集中的模式图和目标图，其中模式图为以图的形式表示出来的化合物结构，目标图为是否存在该模式图的数据图；
2)聚合邻居信息：运用图神经网络技术对化合物数据集中的模式图的节点的邻居信息进行聚合，聚合的具体过程为：
(1)根据公式(1)，将节点的标签值构成模式图的特征矩阵：



其中，Θ是权重矩阵，表示节点i第k次迭代的特征向量，表示节点j第k-1次迭代的特征向量，deg(i)表示节点i的度，deg(j)表示节点j的度，j为节点i的邻居，N(i)表示节点i的所有邻居节点的集合，依据公式(1)得到的矩阵形式表示为：



其中，表示模式图的度矩阵，表示模式图的邻接矩阵加上自循环，X为特征向量矩阵；
(2)对邻接矩阵加上自循环，即构造出
(3)对特征矩阵进行线性变换，即对特征矩阵进行维数的变换；
(4)对特征矩阵进行归一化，对每个条边求标准化系数，即每一条边对应两个节点的度的开根号的乘积，最后保存所有边的标准化系数；
(5)对节点的邻居信息进行聚合操作，对于每个节点，将自身节点的信息和邻居节点的信息进行累加操作，并向前传播，对聚合后的节点信息进行更新，得到新的节点信息，以便下一个的聚合操作；
3)生成约束：将聚合后的节点的特征信息转化为权重值，生成节点相似性约束；
4)建立路径约束：依据模式图的K阶邻接矩阵建立路径约束，其中模式图的K阶邻接矩阵表示从节点m到节点n的k步长的路径数量；
5)要求匹配模式图与目标图的路径数：重复步骤2)-步骤4)对化合物数据集中的目标图的操作，要求匹配的模式图节点到邻接点的路径数与目标图节点到邻接点的路径数满足其中u、v为模式图中的邻接点，u′、v′为u、v对应的目标图映射节点；
6)建立子图同构的CSP求解模型：分析模式图和目标图中点和边的信息和连接关系，并采用约束满足问题的基本思想，建立子图同构的CSP求解模型，CSP求解模型为一个三元组CSPP<X，D，C>，其中：X为变量集，对应为模式图中的节点集；D为值域集，对应为目标图中的满足条件的节点集；C为约束条件集，C＝{C1，C2，C3，C4，C5，C6，C7}，C1为度约束，C2为全不同约束，C3为边约束，C4为节点标签约束，C5为边标签约束，C6...

【专利技术属性】
技术研发人员：徐周波，李珍，李萍，韦贤强，杨欣，陈浦青，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45