一种图结构数据节点分类方法、装置及电子设备制造方法及图纸

本申请提供一种图结构数据节点分类方法、装置及电子设备，该方法包括：将图结构数据输入到预设的图神经网络模型，得到图结构数据中各节点的特征；针对图结构数据中的每个带标签节点，根据各带标签节点的特征，确定各带标签节点的预测标签；依据带标签节点的预测标签和真值标签之间的残差，对带标签节点的特征进行修复，得到各带标签节点的目标特征；根据各带标签节点的目标特征和各带标签节点与无标签节点之间的图连接关系，对各无标签节点的特征进行调整；根据各无标签节点调整后的目标特征，确定图结构数据的节点分类结果。消除了图神经网络模型所导致节点特征过平滑问题对节点分类造成的影响，提高了图结构数据的节点分类结果的准确性。类结果的准确性。类结果的准确性。

【技术实现步骤摘要】
一种图结构数据节点分类方法、装置及电子设备


[0001]本申请涉及网络
，尤其涉及一种图结构数据节点分类方法、装置及电子设备。

技术介绍

[0002]图结构数据是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，将监控数据中每个人脸图像作为一个节点，若两个人脸图像相似，则在这两个人脸图像对应的节点之间连接边，以实现整个监控数据的信息整合。
[0003]在现有技术中，通常基于预设的图神经网络，通过每一层聚合邻接节点的特征生成节点特征，然后根据该节点特征进行节点分类。
[0004]但是，随着图神经网络的网络层数增加和迭代次数的增加，将导致节点特征出现过平滑问题，降低了图结构数据的节点分类结果的准确性。

技术实现思路

[0005]本申请提供一种图结构数据节点分类方法、装置及电子设备，以解决现有技术，降低了图结构数据的节点分类结果的准确性等缺陷。
[0006]本申请第一个方面提供一种图结构数据节点分类方法，包括：
[0007]获取待进行节点分类的图结构数据；其中，所述图结构数据包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图结构数据节点分类方法，其特征在于，包括：获取待进行节点分类的图结构数据；其中，所述图结构数据包括带标签节点和无标签节点；将所述图结构数据输入到预设的图神经网络模型，得到所述图结构数据中各节点的特征；针对所述图结构数据中的每个带标签节点，根据各所述带标签节点的特征，确定各所述带标签节点的预测标签；依据所述带标签节点的预测标签和真值标签之间的残差，对所述带标签节点的特征进行修复，以得到各所述带标签节点的目标特征；根据各所述带标签节点的目标特征和各所述带标签节点与无标签节点之间的图连接关系，对各所述无标签节点的特征进行调整，以得到各所述无标签节点的目标特征；根据各所述无标签节点的目标特征，确定所述图结构数据的节点分类结果。2.根据权利要求1所述的方法，其特征在于，所述依据所述带标签节点的预测标签和真值标签之间的残差，对所述带标签节点的特征进行修复，以得到各所述带标签节点的目标特征，包括：根据所述带标签节点的预测标签和真值标签之间的残差所表征的预测误差，对所述带标签节点的特征进行修复；再次根据修复后的特征，预测所述带标签节点的预测标签，并返回到所述根据所述带标签节点的预测标签和真值标签之间的残差所表征的预测误差，对所述带标签节点的特征进行修复的步骤；当所述带标签节点的预测标签和真值标签之间的残差所表征的预测误差达到预设标准时，将当前用于预测该预测标签的特征，确定为所述带标签节点的目标特征。3.根据权利要求1所述的方法，其特征在于，所述将所述图结构数据输入到预设的图神经网络模型，得到所述图结构数据中各节点的特征，包括：针对所述图结构数据中的每个节点，基于所述图神经网络模型，根据与所述节点相连接的邻接节点的特征，确定该节点自身的特征。4.根据权利要求3所述的方法，其特征在于，所述根据各所述带标签节点的目标特征和各所述带标签节点与无标签节点之间的图连接关系，对各所述无标签节点的特征进行调整，包括：根据各所述带标签节点与无标签节点之间的图连接关系，确定与所述带标签节点的构成邻接关系的目标无标签节点；根据所述带标签节点的目标特征，调整所述目标...

【专利技术属性】
技术研发人员：杨一帆，余晓填，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：