【技术实现步骤摘要】
图结构的节点特征提取方法、设备及存储介质
[0001]本专利技术涉及图结构
，尤其涉及一种图结构的节点特征提取方法、设备及存储介质。
技术介绍
[0002]图结构数据是指通过节点的特征以及节点之间的连边关系来描述各种复杂的数据对象，例如，对于文章之间的引用关系，可以将各个文章作为节点生成图结构数据，基于图结构数据进行数据处理，以实现对文章的信息整合。
[0003]对于图结构数据而言，图结构数据中可以包括多个节点，其中，多个节点中可以包括携带有标签信息的节点以及未携带有标签信息的节点，在对图结构数据进行分析处理时，往往直接基于携带有标签信息的节点的特征信息进行数据处理操作。然而，由于图结构数据中包括有未携带有标签信息的节点，且未携带有标签信息的节点的数量一般较多，因此，上述并未考虑未携带有标签信息的节点所对应的特征信息来对图结构数据进行数据处理的准确率较低。
技术实现思路
[0004]本专利技术实施例提供了一种图结构的节点特征提取方法、设备及存储介质，有效地实现了可以基于无监督节点特征和监督节点特...
【技术保护点】
【技术特征摘要】
1.一种图结构的节点特征提取方法，其特征在于，包括：获取待处理图结构，其中，所述待处理图结构中包括多个节点，所述多个节点中的部分节点对应有标签信息；对所述待处理图结构进行处理，确定与所述节点相对应的无监督节点特征和监督节点特征，所述监督节点特征与所述标签信息相关；基于所述无监督节点特征和所述监督节点特征，确定与所述待处理图结构中节点相对应的半监督节点特征。2.根据权利要求1所述的方法，其特征在于，所述待处理图结构还包括用于标识节点之间关联关系的节点拓扑信息；对所述待处理图结构进行处理，确定与所述节点相对应的无监督节点特征和监督节点特征，包括：对所述待处理图结构中的节点拓扑信息和节点进行处理，确定与所述节点相对应的无监督节点特征；对所述待处理图结构中的节点拓扑信息、节点和标签信息进行处理，确定与所述节点相对应的监督节点特征。3.根据权利要求1所述的方法，其特征在于，基于所述无监督节点特征和所述监督节点特征，确定与所述待处理图结构中节点相对应的半监督节点特征，包括：对所述无监督节点特征和所述监督节点特征进行融合处理，获得与所述待处理图结构中节点相对应的半监督节点特征。4.根据权利要求1所述的方法，其特征在于，在确定与所述待处理图结构相对应的半监督节点特征之后，所述方法还包括：基于所述半监督节点特征，确定与所述待处理图结构中未对应有标签信息的节点相对应的标签信息。5.根据权利要求1所述的方法，其特征在于，获取待处理图结构，包括：获取原始图结构；对所述原始图结构进行采样，获得与所述原始图结构相对应的至少一个待处理图结构，所述待处理图结构为所述原始图结构的至少一部分。6.根据权利要求5所述的方法，其特征在于，对所述原始图结构进行采样，获得与所述原始图结构相对应的至少一个待处理图结构，包括：获取所述原始图结构中的至少一个节点；对所述至少一个节点以及各个节点所对应的邻接节点进行采样，获得所述至少一个待处理图结构。7.一种半监督学习模型的训练方法，其特征在于，包括：获取样本图结构，所述样本图结构中包括多个节点，其中，所述多个节点中的部分节点对应有标签信息；确定与所述节点相对应的无监督节点特征和监督节点特征；基于所述样本图结构、无监督节点特征、监督节点特征以及与部分节点相对应的标签信息进行学习训练，获得半监督学习模型，所述半监督学习模型被训练为用于预测待处理图结构中节点所对应的标签信息。8.根据权利要求7所述的方法，其特征在于，所述半监督学习模型包括第一子模型和第
二子模型；确定与所述节点相对应的无监督节点特征和监督节点特征，包括：利用所述第一子模型对所述样本图结构中的节点拓扑信息和节点进行处理，确定与所述节点相对应的无监督节点特征；利用所述第二子模型对所述样本图结构中的节点拓扑信息、节点和标签信息进行处理，确定与所述节点相对应的监督节点特征。9.根据权利要求7所述的方法，其特征在于，基于所述样本图结构、无监督节点特征、监督节点特征以及与部分节点相对应的标签信息进行学习训练，获得半监督学习模型，包括：基于所述无监督节点特征和所述监督节点特征，获...
【专利技术属性】
技术研发人员：乔子越，王鹏飞，樊鲁斌，黄建强，华先胜，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。