一种基于节点任务重排序的图神经网络执行方法及系统技术方案

本发明专利技术提出一种基于节点任务重排序的图神经网络执行方法和系统，包括：对图数据中目的节点进行分块，对图数据中源节点进行分窗口；分块中目的节点进行邻居特征的聚合；当前分块中目的节点均与当前窗口中的源节点完成聚合后，判断当前分块中是否有目的节点已完成全部邻居节点的聚合，若有，则从当前分块中删除，并根据删除的目的节点个数，将已准备好节点特征向量与边表的目的节点作为新节点加入当前分块；否则，维持当前分块中的目的节点不变；直到所有窗口均完成一次遍历，重新取首个源节点窗口作为当前窗口；当前分块中未从首个窗口中聚合邻居特征的目的节点，将与其它新加入当前分块中的目的节点一同，从首个窗口开始执行聚合操作。执行聚合操作。执行聚合操作。

【技术实现步骤摘要】
一种基于节点任务重排序的图神经网络执行方法及系统


[0001]本专利技术涉及图神经网络
，特别涉及一种面向图神经网络应用的节点任务重排序方法。

技术介绍

[0002]图神经网络(Graph Neural Networks,GNNs)是近年来学术界和工业界的热点话题之一，其在诸如类脑科学、药物发现等一直以来难以高效解决的重点科学领域得到了广泛应用。图神经网络具有强大的问题处理和感知能力，是信息高速发展的大数据时代亟需和极为重要的一种智能技术。图神经网络有望打破人工智能领域天花板，有潜力推动人工智能由当前的“感知智能”阶段走向“认知智能”阶段。
[0003]图神经网络应用的主要执行过程分为两大阶段，也即聚合(Aggregation)和组合(Combination)阶段。Aggregation阶段的执行行为与传统的图遍历应用相似，核心工作是遍历整张图，针对每个节点，聚合其所有邻居节点的特征向量；Combination阶段的执行行为与传统神经网络应用相似，核心工作是通过多层感知机(Multi
‑
layer Percept本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于节点任务重排序的图神经网络执行方法，其特征在于，包括：步骤1、根据待执行的图神经网络数据中节点间的连接关系，构建该图神经网络数据中源节点和目的节点的关系表，根据预设的分块大小对目的节点进行划分，根据预设的窗口大小对源节点进行划分；将首个目的节点分块作为当前分块，将首个源节点窗口作为当前窗口；步骤2、在该当前分块中通过边访问当前窗口中有连接关系的源节点，为该当前分块中目的节点进行邻居特征的聚合；该当前分块中目的节点均与当前窗口中的源节点完成聚合后，判断该当前分块中是否有目的节点已完成全部邻居节点的聚合，若有，则从该当前分块中删除，并根据删除的目的节点个数，将已准备好节点特征向量与边表的目的节点作为新节点加入该当前分块，并将新组成的分块作为当前分块；否则，维持该当前分块中的目的节点不变；步骤3、对该步骤2中从当前分块中删除的目的节点执行组合操作，并取下一窗口作为当前窗口，再次执行步骤2；步骤4、重复执行步骤2和3，直到所有窗口均完成一次遍历，重新取首个源节点窗口作为当前窗口；当前分块中未从首个窗口中聚合邻居特征的目的节点，将与其它新加入当前分块中的目的节点一同，从首个窗口开始执行聚合操作；步骤5、重复执行步骤2、3和4，直到所有目的节点均完成聚合；基于该图神经网络数据中所有节点的组合操作结果，得到该图神经网络数据的执行结果。2.如权利要求1所述的基于节点任务重排序的图神经网络执行方法，其特征在于，该图神经网络数据为来自现实场景的由节点和边构成的图数据，包括社交网络图、商品交易图、分子结构图，该执行结果包括图数据的节点分类结果，链路预测结果、商品推荐结果。3.如权利要求1所述的基于节点任务重排序的图神经网络执行方法，其特征在于，该步骤4中新加入当前分块中的目的节点为边表和特征向量已准备完毕的目的节点。4.一种基于节点任务重排序的图神经网络执行系统，其特征在于，包括：划分模块，用于根据待执行的图神经网络数据中节点间的连接关系，构建该图神经网络数...

【专利技术属性】
技术研发人员：孙弓箭，李涵，严明玉，黄俊英，叶笑春，范东睿，唐志敏，
申请(专利权)人：上海处理器技术创新中心，
类型：发明
国别省市：