面向图数据的挖掘方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供了一种面向图数据的挖掘方法、装置、电子设备及可读存储介质，属于数据处理技术领域，本申请实施例通过简化图卷积神经网络，以主动学习的方式对图结构数据中每个图节点的中心度指标、代表性指标和信息熵指标进行综合计算，以得到每个图节点的价值得分，将所述价值得分最高的n个图节点作为主动学习本次迭代所挖掘出的待标注数据子集。本申请实施例能够快速高效的在大规模海量图结构数据中挑选出价值量高、信息量多的待标注数据子集，与此同时对价值量较低、信息量较少且相互冗余的图节点数据进行剔除，避免了数据分析人员直接对海量大数据的全量分析操作，节省了计算和存储资源并降低了人力成本。储资源并降低了人力成本。储资源并降低了人力成本。

【技术实现步骤摘要】
面向图数据的挖掘方法、装置、电子设备及可读存储介质


[0001]本申请涉及数据处理
，特别是涉及一种面向图数据的挖掘方法、装置、电子设备及可读存储介质。

技术介绍

[0002]随着人工智能技术的发展，深度学习方法在图像、文本等数据上的智能应用取得了巨大的成功。但现实中存在许多具备图结构的数据，例如社交网络分析、智能电网分析和分子药物合成等等。研究人员为此提出了各种针对图结构数据的图卷积神经网络模型(Graph Convolutional Network，简称GCN)，在搜索、推荐、药物研发等领域都进行了广泛的应用。
[0003]然而，GCN虽然能够在面向图结构数据的任务中发挥巨大的作用，但是在超大规模的图结构数据的背景之下，GCN为了达到较好的模型性能需要较多的标注数据集进行学习和训练，然而人为地进行图结构数据集的全量标注以供GCN更好的进行模型训练，在人力、物力以及时间开销等方面都是极大的。
[0004]因此，目前亟需一种针对图结构数据的数据挖掘方法，能够在开发成本有限的前提下，在海量图结构数据中高效快速地挖掘出价值量高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向图数据的挖掘方法，其特征在于，所述方法包括：将图结构原始数据集输入简化图卷积神经网络，以输出待标注数据子集；其中，所述简化图卷积神经网络用于执行以下步骤：对所述图结构原始数据集进行预处理，得到特征融合后的图结构数据；计算所述图结构数据中每个图节点的中心度指标；对所述图结构数据中的所有图节点进行聚类，得到多个聚类簇，并计算每个图节点在所属聚类簇中的代表性指标；计算所述图结构数据中每个图节点的信息熵指标；根据所述中心度指标、所述代表性指标和所述信息熵指标，得到每个图节点的价值得分；将所述价值得分最高的n个图节点作为所述待标注数据子集。2.根据权利要求1所述的方法，其特征在于，对所述图结构原始数据集进行预处理，得到特征融合后的图结构数据，包括：对所述图结构原始数据集进行预处理，得到图结构数据的特征矩阵、度矩阵和邻接矩阵；针对所述图结构数据中的任一图节点，根据该图节点的K跳近邻内的所有图节点的所述特征矩阵、所述度矩阵和所述邻接矩阵进行特征融合，得到特征融合后的图结构数据。3.根据权利要求1所述的方法，其特征在于，计算所述图结构数据中每个图节点的中心度指标，包括：根据以下公式，计算所述图结构数据中每个图节点的中心度指标：其中：V
i
表示所述图结构数据中的第i个图节点；表示V
i
节点的中心度指标；V
j
表示所述图结构数据中的第j个图节点；表示所述第j个图节点的中心度指标；∑
k
A
jk
表示所述第j个图节点的度；A
ij
表示0或1，当V
i
图节点和V
j
图节点无连接关系时，A
ij
取0，当V
i
图节点和V
j
图节点有连接关系时，A
ij
取1；ρ为坍塌因子；N为所述图结构数据中所有图节点的个数。4.根据权利要求1所述的方法，其特征在于，计算每个图节点在所属聚类簇中的代表性指标，包括：根据以下公式，计算每个图节点在所属聚类簇中的代表性指标：其中：V
i
表示所述图结构数据中的第i个图节点；表示V
i
图节点的在所属聚类簇中的代表性指标；表示的是V
i
图节点所属聚类簇中的中心节点；是V
i
图节点在所属聚类簇中的向量表示；表示和之间的欧氏距离。5.根据权利要求1所述的方法，其特征在于，根据所述中心度指标、所述代表性指标和
所述信息熵指标，得到每个图节点的价值得分，包括：基于贝塔分布，进行时间敏感性系数的采样，得到所述中心度指标的第一采样权重、所述代表性指标的第二采样权重和所述信息熵指标的第三采样权重；其中，所述中心度指标的第一采样权重随时间推移而减小，所述代表性指标的第二采样权重和所述信息熵指标的第三采样...

【专利技术属性】
技术研发人员：王平辉，陶敬，张宇超，吕昕远，孙毅刚，邢舒明，韩婷，赵俊舟，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：