群体分类模型的训练方法、群体分类方法及装置制造方法及图纸

本申请实施例公开了一种群体分类模型的训练方法、群体分类方法及装置。群体分类模型的训练方法包括：获取多个样本群体分别对应的样本图数据及每个样本图数据对应的标签信息；每个样本群体包括多个样本个体，每个样本图数据基于多个样本个体对应的样本节点构建得到；将样本图数据输入待训练的群体分类模型中，得到第一群体类别；第一群体类别基于样本图数据的全局图特征所确定，全局图特征基于关键节点所确定，关键节点基于对每个样本节点的重要程度进行多级评估所确定；根据每个样本群体的第一群体类别及其对应的样本图数据的标签信息，对待训练的群体分类模型进行迭代训练。该技术方案能够精简群体分类模型的网络结构，提升模型分类的精准度。型分类的精准度。型分类的精准度。

【技术实现步骤摘要】
群体分类模型的训练方法、群体分类方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种群体分类模型的训练方法、群体分类方法及装置。

技术介绍

[0002]图分类问题是一个图层面的学习任务，图分类需要关注图数据的全局信息，即获取所有节点的特征信息。图池化方法常被用于解决图分类问题，通过学习全图表示向量对图进行分类。相关技术中，图池化方法在执行图分类任务时，需要对图数据上的每个节点分别进行特征学习，常见的利用图池化方法进行图分类的神经网络模型有SAGPool、Graph U
‑
Nets等，这些神经网络模型在计算过程中，设置待训练参数后，由模型直接进行自动学习评估。由于参数的初始化具有随机性，因此，模型自动评估具有一定的不稳定性，从而模型的精准度较低。并且，对每个节点均进行特征学习也会导致算法的复杂度较高，进而导致模型训练过程复杂化。

技术实现思路

[0003]本申请实施例的目的是提供一种群体分类模型的训练方法、群体分类方法及装置，用以解决现有的群体分类方法较复杂、且精准度低的问题。
[0004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种群体分类模型的训练方法，其特征在于，包括：获取多个样本群体分别对应的样本图数据、以及每个所述样本图数据对应的标签信息；其中，每个所述样本群体包括具有关联关系的多个样本个体，每个所述样本图数据基于所述多个样本个体对应的样本节点构建得到，所述标签信息用于标识所述样本群体对应的目标群体类别；将每个所述样本图数据输入待训练的群体分类模型中，得到每个所述样本群体的第一群体类别；所述第一群体类别基于对应的样本图数据的全局图特征所确定，所述全局图特征基于多个所述样本节点中的关键节点所确定，所述关键节点基于对每个所述样本节点的重要程度进行多级评估所确定；根据每个所述样本群体的第一群体类别及其所对应的样本图数据的标签信息，对所述待训练的群体分类模型进行迭代训练，得到训练后的群体分类模型。2.根据权利要求1所述的方法，其特征在于，所述群体分类模型包括：卷积层、全连接层、池化层、读出层和分类层；所述将每个所述样本图数据输入待训练的群体分类模型中，得到每个所述样本群体的第一群体类别，包括：针对每个所述样本图数据，所述卷积层用于提取所述样本图数据的初始图特征；所述全连接层用于对所述初始图特征进行升维处理，得到第一维度的第一图特征；所述池化层用于根据所述第一图特征，对每个所述样本节点的重要程度进行多级评估，以及根据评估结果确定多个所述样本节点中的关键节点，并根据所述关键节点对应的关键节点特征确定所述样本图数据的第二图特征；所述读出层用于根据所述第二图特征，构建所述样本图数据的全局图特征；所述分类层用于根据所述全局图特征，确定所述样本群体的第一群体类别。3.根据权利要求2所述的方法，其特征在于，所述初始图特征包括所述样本图数据中的每个样本节点对应的第一节点特征；所述提取所述样本图数据的初始图特征，包括：针对所述样本图数据中的每个样本节点，提取所述样本节点的节点特征，以及，提取与所述样本节点之间具有关联关系的邻接节点的节点特征；根据所述样本节点的节点特征以及所述邻接节点的节点特征，确定所述样本节点对应的所述第一节点特征。4.根据权利要求2所述的方法，其特征在于，所述对所述初始图特征进行升维处理，得到第一维度的第一图特征，包括：将所述初始图特征映射至所述第一维度的向量空间，得到所述第一图特征；其中，所述初始图特征为所述样本图数据在预设初始维度上的特征向量，所述第一图特征为所述样本图数据在所述第一维度上的特征向量，所述第一维度高于所述预设初始维度。5.根据权利要求2所述的方法，其特征在于，所述评估结果包括N个维度上的重要程度分值，N为大于1的整数；所述根据所述第一图特征，对每个所述样本节点的重要程度进行多级评估，以及根据评估结果确定多个所述样本节点中的关键节点，包括：将所述第一图特征映射至N维向量空间，得到每个所述样本节点在N个维度上的第二节
点特征；根据每个所述样本节点对应的所述第二节点特征，计算每个所述样本节点在所述N个维度上的重要程度分值；根据每个所述样本节点对应的重要程度分值，从多个所述样本节点中选取K个样本节点作为关键节点，其中，所述关键节点为所述重要程度分值达到预设重要阈值的样本节点，所述K个样本节点对应的所述第二节点特征为所述关键节点特征。6.根据权利要求5所述的方法，其特征在于，所述根据每个所述样本节点对应的所述第二节点特征，计算每个所述样本节点在所述N个维度上的重要程度分值，包括：针对每个所述样本节点，计算所述样本节点对应的所述第二节点特征的特征元素在所述N个维度上的均值和最大值；对所述第二节点特征的特征元素在所述N个维度上的均值和最大值进行求和计算，得到所述样本节点在所述N个维度上的重要程度分值。7.根据权利要求5所述的方法，其特征在于，所述第二图特征由K个所述关键节点特征组合后得到；所述第二图特征的每行特征元素对应一个所述关键节点特征；所述根据所述第二图特征，构建所述样本图数据的全局图特征，包括：计算所述第二图特征的每列特征元素在列上的均值和最大值；将所述第二图特征的每列特征...

【专利技术属性】
技术研发人员：赵宏宇，赵国庆，吴海英，
申请(专利权)人：马上消费金融股份有限公司，
类型：发明
国别省市：