图数据分类模型训练方法、装置、设备及存储介质制造方法及图纸

本申请提供了一种图数据分类模型训练方法、装置、电子设备及计算机可读存储介质；方法包括：获取图数据样本中多个边对应的初始邻接矩阵；对多个边对应的初始邻接矩阵进行关联性采样处理，得到采样邻接矩阵；基于采样邻接矩阵对图数据样本进行特征提取处理，得到图数据样本的图数据特征；基于图数据样本的图数据特征训练图数据分类模型；其中，训练后的图数据分类模型用于对待分类的图数据进行类型预测处理，得到待分类的图数据所属的类型。通过本申请，能够提高图数据分类模型的分类性能。能够提高图数据分类模型的分类性能。能够提高图数据分类模型的分类性能。

【技术实现步骤摘要】
图数据分类模型训练方法、装置、设备及存储介质
[0001]本申请是申请号为202110655776.7，申请日为2021年06月11日，名称为：图数据分类模型训练方法、装置、设备及存储介质的分案申请。


[0002]本申请涉及人工智能技术，尤其涉及一种基于人工智能的图数据分类模型的训练方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0003]人工智能(Artificial Intelligence，AI)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
[0004]图数据在帮助人类交流、理解世界、解决科学问题上有着悠久的历史。图数据分类是人工智能领域的重要研究方向，图数据分类是指基于图数据的结构，确定出图数据所属类型的过程。如今图数据分类已广泛应用在社交网络、金融风控、药物研发等领域。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图数据分类模型训练方法，其特征在于，所述方法包括：获取图数据样本中多个边对应的初始邻接矩阵；对所述多个边对应的初始邻接矩阵进行关联性采样处理，得到采样邻接矩阵；基于所述采样邻接矩阵对所述图数据样本进行特征提取处理，得到所述图数据样本的图数据特征；基于所述图数据样本的图数据特征训练图数据分类模型；其中，训练后的所述图数据分类模型用于对待分类的图数据进行类型预测处理，得到所述待分类的图数据所属的类型。2.根据权利要求1所述的方法，其特征在于，所述图数据分类模型包括多个级联的隐含层；所述对所述多个边对应的初始邻接矩阵进行关联性采样处理，得到采样邻接矩阵，包括：通过每个所述隐含层对所述多个边对应的初始邻接矩阵进行关联性采样处理，得到每个所述隐含层对应的采样邻接矩阵；所述基于所述采样邻接矩阵对所述图数据样本进行特征提取处理，得到所述图数据样本的图数据特征，包括：基于所述多个级联的隐含层对应的采样邻接矩阵对所述图数据样本进行级联的特征提取处理，得到所述图数据样本的图数据特征。3.根据权利要求2所述的方法，其特征在于，所述通过每个所述隐含层对所述多个边对应的初始邻接矩阵进行关联性采样处理，得到每个所述隐含层对应的采样邻接矩阵，包括：通过任一所述隐含层对所述多个边分别对应的采样参数进行加权处理，得到每个所述隐含层对应的加权采样参数集合；基于每个所述隐含层对应的加权采样参数集合对所述初始邻接矩阵进行采样处理，得到每个所述隐含层对应的采样邻接矩阵。4.根据权利要求3所述的方法，其特征在于，所述通过任一所述隐含层对所述多个边分别对应的采样参数进行加权处理，得到每个所述隐含层对应的加权采样参数集合，包括：通过任一所述隐含层对任一所述边对应的两个节点的节点特征进行相似度处理，得到任一所述边对应的两个节点之间的相似度；基于所述两个节点之间的相似度，确定任一所述边对应的权重；基于任一所述边对应的权重对任一所述边对应的采样参数进行加权处理，得到任一所述边对应的加权采样参数；基于包括多个所述边对应的加权采样参数的集合，构成每个所述隐含层对应的加权采样参数集合。5.根据权利要求4所述的方法，其特征在于，所述基于所述两个节点之间的相似度，确定任一所述边对应的权重，包括：将多个所述边对应的两个节点之间的相似度进行加和处理，得到加和结果；将任一所述边对应的两个节点之间的相似度与所述加和结果的比值作为任一所述边对应的权重。6.根据权利要求2所述的方法，其特征在于，所述通过每个所述隐含层对所述多个边对
应的初始邻接矩阵进行关联性采样处理，得到每个所述隐含层对应的采样邻接矩阵，包括：通过所述多个级联的隐含层的第j个隐含层执行以下处理：对所述第j
‑
1个隐含层对应的采样邻接矩阵进行递归采样处理，得到所述第j个隐含层对应的采样邻接矩阵；其中，j为递增的自然数且取值范围为2≤j≤N，N为所述多个级联的隐含层的数量，第1个隐含层对应的采样邻接矩阵是基于所述多个边分别对应的采样参数对所述初始邻接矩阵进行采样得到的。7.根据权利要求6所述的方法，其特征在于，所述基于第j
‑
1个隐含层与所述第j个隐含层的层间依赖关系，对所述第j
‑
1个隐含层对应的采样邻接矩阵进行递归采样处理，得到所述第j个隐含层对应的采样邻接矩阵，包括：将所述初始邻接矩阵与所述第j
‑
1个隐含层对应的采样邻接矩阵进行差值处理，得到第一差值邻接矩阵，所述第一差值邻接矩阵包括所述第j
‑
1个隐含层中未采样到的边；基于所述多个边分别对应的采样参数对所述第一差值邻接矩阵进行采样处理，得到采样第一差值邻接矩阵；将所述第j
‑
1个隐含层对应的采样邻接矩阵与所述采样第一差值...

【专利技术属性】
技术研发人员：荣钰，韩家琦，徐挺洋，黄文炳，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：