【技术实现步骤摘要】
图数据处理、文章分类、流量预测方法、装置、设备及存储介质
[0001]本申请涉及数据处理
，尤其涉及一种图数据处理、文章分类、流量预测方法、装置、设备及存储介质。
技术介绍
[0002]在深度学习中，对于图数据处理，图神经网络效果显著。图神经网络当前主要有三个经典模型，分别是：图卷积网络(Graph Convolution Network，GCN)、GraphSage算法和图注意力网络(Graph Attention Networks，GAT)。而GAT是三个模型中对于图数据的处理效果是最好的。
[0003]在实际应用中，通过GAT能够实现对文章分类或者车流量预测等。然而，经过大量实践发现，其精准程度并不高。
技术实现思路
[0004]本申请实施例的目的是提供一种图数据处理、文章分类、流量预测方法、装置、设备及存储介质，能够精准确认未知类型的节点的属性。
[0005]为解决上述技术问题，本申请实施例提供如下技术方案：
[0006]本申请第一方面提供一种图数据处理方法，所述方法包括...
【技术保护点】
【技术特征摘要】
1.一种图数据处理方法，其特征在于，所述方法包括：获取拓扑图，所述拓扑图中至少一个节点的类型未知；确定所述拓扑图中各节点的特征值，所述特征值基于相应节点的自身特征确定；确定所述拓扑图中各节点的结构值，所述结构值基于相应节点与其它节点的引用关系确定；根据所述各节点的特征值、所述各节点的结构值以及所述拓扑图确定所述至少一个节点的属性。2.根据权利要求1所述的方法，其特征在于，所述特征值包括第一方向的第一特征值和第二方向的第二特征值，所述结构值包括第一方向的第一结构值和第二方向的第二结构值，所述第一方向为所述拓扑图的邻接矩阵的原始方向，所述第二方向为所述拓扑图的邻接矩阵的转置方向；所述根据所述各节点的特征值、所述各节点的结构值以及所述拓扑图确定所述类型未知的节点的属性，包括：根据第i个节点的第一特征值和第一结构值确定所述第i个节点在第一方向上的第一得分，i∈N，N表示拓扑图中所有节点的数量；根据第i个节点的第二特征值和第二结构值确定所述第i个节点在第二方向上的第二得分；根据所有节点分别对应的第一得分和第二得分以及所述拓扑图确定所述类型未知的节点的属性。3.根据权利要求2所述的方法，其特征在于，所述根据第i个节点的第一特征值和第一结构值确定所述第i个节点在第一方向上的第一得分，包括：将第i个节点的第一特征值与第一结构值相乘，得到所述第i个节点在第一方向上的第一得分。4.根据权利要求2所述的方法，其特征在于，所述根据所有节点分别对应的第一得分和第二得分以及所述拓扑图确定所述类型未知的节点的属性，包括：从所述拓扑图中获取邻接矩阵；将所有节点的第一得分与所述邻接矩阵的每一行中的元素对应相乘，得到所有节点分别对应的第一评分；将所有节点的第二得分与所述邻接矩阵的每一列中的元素对应相乘，得到所有节点分别对应的第二评分；根据所有节点分别对应的第一评分和第二评分以及所述拓扑图确定所述类型未知的节点的属性。5.根据权利要求4所述的方法，其特征在于，所述根据所有节点分别对应的第一评分和第二评分以及所述拓扑图确定所述类型未知的节点的属性，包括：对于每个节点，将其对应的第一评分和第二评分对应相加，得到各节点分别对应的总评分；根据各节点分别对应的总评分以及所述拓扑图确定所述类型未知的节点的属性。6.根据权利要求1所述的方法，其特征在于，所述确定所述拓扑图中各节点的结构值，包括：对所述拓扑图依次采用双曲正切函数、归一化指数函数、以e为底的指数函数进行处
理，得到各节点分别对应的结构值。7.根据权利要求1所述的方法，其特征在于，在所述确定所述拓扑图中各节点的特征值之前，所述方法还包括：对各节点对应的内容进行降维处理，得到降维后的各节点。8.一种文章分类方法，所述方法应用权利要求1
‑
7所述的方法进行文章分类，其特征在于，所述方法包括：获取拓扑图，所述拓扑图中的节点指示文章，所述拓扑图中的边指示各文章之间的关系，所述拓扑图中至少一个节点的文章类型未知；确定所述拓扑图中各节点的特征值，所述特征值基于相应节点中文章所...
【专利技术属性】
技术研发人员：赵宏宇，赵国庆，蒋宁，王洪斌，吴海英，
申请(专利权)人：马上消费金融股份有限公司，
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。