本申请公开了一种图节点表征信息融合处理方法、装置、终端及介质，本申请结合结构相似性和特征相似性来生成对应的语义子图，先根据本发明专利技术中的结构相似性寻找和目标节点满足此相似性的其他节点，再通过特征相似性找到相似的节点作为其非局部邻居，并构造非局部图，同时考虑到局部信息和非局部信息的提取利用，同时在各个非局部图非局部表征信息和原始图中的局部表征信息，并通过注意力机制将二者的表征融合得到最终的表征信息，增加了模型的表达能力，从而解决现有技术仅仅停留在捕获图局部范围的信息，忽略了对非局部或具有远程依赖性的信息的提取，导致图表示学习能力受限制的技术问题。术问题。术问题。
【技术实现步骤摘要】
一种图节点表征信息融合处理方法、装置、终端及介质
[0001]本申请涉及图神经网络
，尤其涉及一种图节点表征信息融合处理方法、装置、终端及介质。
技术介绍
[0002]现实世界的数据很多都可以用图这种数据结构来表示，因此对图表示学习的研究得到了越来越多的关注，包括社交网络分析、生物网络研究和许多其他多媒体领域。图表示允许有效地存储和访问相互作用的实体的关系知识，同时图数据的分析可以为社区检测、行为分析和其他任务，如节点分类、链接预测和聚类等提供重要的解决方案。
[0003]图表示学习处理的目的是在保留固有图性质的同时，将原始图数据的高维向量转换为低维向量。通过学习图表示，可以采用机器学习工具来方便地执行下游任务。目前常用的图表示学习有基于远距离信息的捕获方法，如图1所示，该方法通过为每个节点设置一个对应的虚拟节点，如图中的u
v
，来使其聚合到目标节点v的高阶邻居的信息，再令目标节点聚合到此虚拟节点的信息，来间接提升目标节点表征的信息量和表达能力，从而提升下游任务的效果。但这种方法采用的聚合处理方式，仅仅停留在捕获图局部范围的信息，忽略了对非局部或具有远程依赖性的信息的提取，导致图表示学习能力受限制的技术问题。
技术实现思路
[0004]本申请提供了一种图节点表征信息融合处理方法、装置、终端及介质，用于解决现有技术仅仅停留在捕获图局部范围的信息，忽略了对非局部或具有远程依赖性的信息的提取，导致图表示学习能力受限制的技术问题。
[0005]本申请第一方面提供了一种图节点表征信息融合处理方法，包括：
[0006]基于获取到的原始网络图，结合所述原始网络图的图结构拓扑关系，确定所述原始图数据中各个节点的位置感知角色属性，其中，所述节点的位置感知角色属性为用于指示在所述节点与邻近节点构成的导出子图中，所述节点的结构关系属性；
[0007]根据所述节点的位置感知角色属性，对所述原始网络图中的各个节点进行分类，得到多个角色属性节点集合；
[0008]基于目标节点以及所述目标节点所属的目标角色属性节点集合，通过预设的特征相似度计算方法，计算所述目标节点与相似节点间的节点特征相似度，其中，所述相似节点具体为所述目标角色属性节点集合中，除所述目标节点外的其余节点；
[0009]根据所述节点特征相似度，确定所述目标节点的非局部邻居节点，再根据所述目标节点与所述非局部邻居节点，构建非局部网络图；
[0010]根据所述目标节点以及所述非局部网络图，结合第一节点表示生成公式，得到所述目标节点的非局部表征信息，其中，所述第一节点表示生成公式具体包括：节点非局部表征信息计算公式以及注意力加权融合计算公式；
[0011]根据所述目标节点以及所述原始网络图，结合第二节点表示生成公式，得到所述
目标节点的局部表征信息，其中，所述第二节点表示生成公式具体包括：节点局部表征信息计算公式以及注意力加权融合计算公式；
[0012]根据所述非局部表征信息与所述局部表征信息，通过注意力系数加权求和计算，得到所述目标节点的最终表征信息。
[0013]优选地，所述目标节点所属的目标角色属性节点集合具体为一个或多个。
[0014]优选地，当所述目标节点所属的目标角色属性节点集合为多个时，所述通过预设的特征相似度计算方法，计算所述目标节点与相似节点间的节点特征相似度具体包括：
[0015]通过预设的特征相似度计算方法，计算所述目标节点与同一目标角色属性节点集合内的相似节点间的节点特征相似度。
[0016]优选地，当所述目标节点所属的目标角色属性节点集合为多个时，所述根据所述节点特征相似度，确定所述目标节点的非局部邻居节点，再根据所述目标节点与所述非局部邻居节点，构建非局部网络图具体包括：
[0017]根据所述节点特征相似度，分别确定各个目标角色属性节点集合中所述目标节点的非局部邻居节点，再根据所述目标节点与同一目标角色属性节点集合内的非局部邻居节点，构建多个非局部网络图。
[0018]优选地，当构建的非局部网络图为多个时，所述根据所述目标节点以及所述非局部网络图，结合第一节点表示生成公式，得到所述目标节点的非局部表征信息具体包括：
[0019]所述根据所述目标节点以及所述非局部网络图，结合第一节点表示生成公式，分别得到各个所述非局部网络图的第一非局部表征信息；
[0020]根据各个所述第一非局部表征信息，通过注意力系数加权求和计算，得到第二非局部表征信息，以所述第二非局部表征信息作为所述目标节点的非局部表征信息。
[0021]优选地，还包括：
[0022]基于预设的神经网络模型，结合计算得到的各个节点的最终表征信息以及语义正则化公式，对所述神经网络模型进行模型训练，以得到训练好的图神经网络模型。
[0023]优选地，所述特征相似度计算方法具体包括：欧式距离相似度计算方法、热核相似度计算方法或余弦相似度计算方法。
[0024]本申请第二方面提供了一种图节点表征信息融合处理装置，包括：
[0025]节点属性确定单元，用于基于获取到的原始网络图，结合所述原始网络图的图结构拓扑关系，确定所述原始图数据中各个节点的位置感知角色属性，其中，所述节点的位置感知角色属性为用于指示在所述节点与邻近节点构成的导出子图中，所述节点的结构关系属性；
[0026]节点分类单元，用于根据所述节点的位置感知角色属性，对所述原始网络图中的各个节点进行分类，得到多个角色属性节点集合；
[0027]节点相似度计算单元，用于基于目标节点以及所述目标节点所属的目标角色属性节点集合，通过预设的特征相似度计算装置，计算所述目标节点与相似节点间的节点特征相似度，其中，所述相似节点具体为所述目标角色属性节点集合中，除所述目标节点外的其余节点；
[0028]非局部网络构建单元，用于根据所述节点特征相似度，确定所述目标节点的非局部邻居节点，再根据所述目标节点与所述非局部邻居节点，构建非局部网络图；
[0029]非局部表征信息计算单元，用于根据所述目标节点以及所述非局部网络图，结合第一节点表示生成公式，得到所述目标节点的非局部表征信息，其中，所述第一节点表示生成公式具体包括：节点非局部表征信息计算公式以及注意力加权融合计算公式；
[0030]局部表征信息计算单元，用于根据所述目标节点以及所述原始网络图，结合第二节点表示生成公式，得到所述目标节点的局部表征信息，其中，所述第二节点表示生成公式具体包括：节点局部表征信息计算公式以及注意力加权融合计算公式；
[0031]表征信息融合单元，用于根据所述非局部表征信息与所述局部表征信息，通过注意力系数加权求和计算，得到所述目标节点的最终表征信息。
[0032]本申请第三方面提供了一种图节点表征信息融合处理终端，包括：存储器和处理器；
[0033]所述存储器用于存储程序代码，所述程序代码与如本申请第一方面提供的图节点表征信息融合处理方法相本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图节点表征信息融合处理方法，其特征在于，包括：基于获取到的原始网络图，结合所述原始网络图的图结构拓扑关系，确定所述原始图数据中各个节点的位置感知角色属性，其中，所述节点的位置感知角色属性为用于指示在所述节点与邻近节点构成的导出子图中，所述节点的结构关系属性；根据所述节点的位置感知角色属性，对所述原始网络图中的各个节点进行分类，得到多个角色属性节点集合；基于目标节点以及所述目标节点所属的目标角色属性节点集合，通过预设的特征相似度计算方法，计算所述目标节点与相似节点间的节点特征相似度，其中，所述相似节点具体为所述目标角色属性节点集合中，除所述目标节点外的其余节点；根据所述节点特征相似度，确定所述目标节点的非局部邻居节点，再根据所述目标节点与所述非局部邻居节点，构建非局部网络图；根据所述目标节点以及所述非局部网络图，结合第一节点表示生成公式，得到所述目标节点的非局部表征信息，其中，所述第一节点表示生成公式具体包括：节点非局部表征信息计算公式以及注意力加权融合计算公式；根据所述目标节点以及所述原始网络图，结合第二节点表示生成公式，得到所述目标节点的局部表征信息，其中，所述第二节点表示生成公式具体包括：节点局部表征信息计算公式以及注意力加权融合计算公式；根据所述非局部表征信息与所述局部表征信息，通过注意力系数加权求和计算，得到所述目标节点的最终表征信息。2.根据权利要求1所述的一种图节点表征信息融合处理方法，其特征在于，所述目标节点所属的目标角色属性节点集合具体为一个或多个。3.根据权利要求2所述的一种图节点表征信息融合处理方法，其特征在于，当所述目标节点所属的目标角色属性节点集合为多个时，所述通过预设的特征相似度计算方法，计算所述目标节点与相似节点间的节点特征相似度具体包括：通过预设的特征相似度计算方法，计算所述目标节点与同一目标角色属性节点集合内的相似节点间的节点特征相似度。4.根据权利要求3所述的一种图节点表征信息融合处理方法，其特征在于，当所述目标节点所属的目标角色属性节点集合为多个时，所述根据所述节点特征相似度，确定所述目标节点的非局部邻居节点，再根据所述目标节点与所述非局部邻居节点，构建非局部网络图具体包括：根据所述节点特征相似度，分别确定各个目标角色属性节点集合中所述目标节点的非局部邻居节点，再根据所述目标节点与同一目标角色属性节点集合内的非局部邻居节点，构建多个非局部网络图。5.根据权利要求4所述的一种图节点表征信息融合处理方法，其特征在于，当构建的非局部网络图为多个时，所述根据所述目标节点以及所述非局部网络图，结合第一节点表示生成公式，得到所述目标节点的非局部表征信息具体包括：所述根据所述目标节点以及所述非局部网络图，结合第一节点...
【专利技术属性】
技术研发人员：陈川，张梓旸，郑子彬，
申请(专利权)人：中山大学，
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。