生成图数据的方法技术

本申请提供了一种生成图数据的方法，包括：当获取到包含多类样本的图数据时，生成每类样本的样本相关矩阵得到总样本相关矩阵，所述样本相关矩阵用于反映所述每类样本包含的数据特征；根据所述数据特征，分解所述总样本相关矩阵得到每类特征向量矩阵；从所述每类特征向量矩阵中筛选出符合预设筛选条件的目标特征向量矩阵；根据所述目标特征向量矩阵，生成投影空间，所述投影空间用于反映所述目标特征向量矩阵包含有的所述数据特征；当按照预设投影方向对投影空间进行投影得到投影数据时，对所述投影数据进行图粗化处理得到目标图数据

【技术实现步骤摘要】
生成图数据的方法、装置及计算机设备


[0001]本申请涉及数据处理
，尤其涉及一种生成图数据的方法
、
装置及计算机设备
。

技术介绍

[0002]图神经网络
(GNN)
是用于学习图结构数据，提取和发掘图结构数据中的特征和模式，并满足聚类
、
分类
、
预测
、
分割
、
生成等图学习任务需求的算法总称
。GNN
可用于处理无向图
、
有向图
、
标签图和循环图等
。
现有的
GNN
由于缺少训练样本，通常存在较严重的过拟合问题
。
此外，由于图数据位于不规则的非欧氏空间，其相较于位于欧氏空间的图像数据或者语言数据更加普遍和复杂，导致很难将现有的适用于欧式空间的样本扩充方法应用于图数据
。
[0003]现有的图数据的扩充方法可以分为三类：基于属性的方法，基于拓扑的方法和两者融合的方法
。
然而上述方法获取的数据并不基于数据本身，存在不确定性
。

技术实现思路

[0004]本申请提供了一种生成图数据的方法
、
装置及计算机设备，基于数据自身特征并经数据处理后得到适合的目标图数据
。
[0005]第一方面，本申请实施例提供一种生成图数据的方法，所述生成图数据的方法包括：当获取到包含多类样本的图数据时，生成每类样本的样本相关矩阵得到总样本相关矩阵，所述样本相关矩阵用于反映所述每类样本包含的数据特征；根据所述数据特征，分解所述总样本相关矩阵得到每类特征向量矩阵；从所述每类特征向量矩阵中筛选出符合预设筛选条件的目标特征向量矩阵；根据所述目标特征向量矩阵，生成投影空间，所述投影空间用于反映所述目标特征向量矩阵包含有的所述数据特征；当按照预设投影方向对投影空间进行投影得到投影数据时，对所述投影数据进行图粗化处理得到目标图数据
。
[0006]第二方面，本申请实施例提供一种生成图数据的装置，所述生成图数据的装置包括矩阵生成模块
、
矩阵分解模块
、
矩阵分析模块
、
投影空间生成模块
、
以及第一数据处理模块，当获取到包含多类样本的图数据时，矩阵生成模块用于生成每类样本的样本相关矩阵得到总样本相关矩阵，所述样本相关矩阵用于反映所述每类样本包含的数据特征；矩阵分解模块用于根据所述数据特征，分解所述总样本相关矩阵得到每类特征向量矩阵；矩阵分析模块用于从所述每类特征向量矩阵中筛选出符合预设筛选条件的目标特征向量矩阵；投影空间生成模块用于根据所述目标特征向量矩阵，生成投影空间，所述投影空间用于反映所述目标特征向量矩阵包含有的所述数据特征；当按照预设投影方向对投影空间进行投影得到投影数据时，第一数据处理模块用于对所述投影数据进行图粗化处理得到目标图数据
。
[0007]第三方面，本申请实施例提供一种计算机设备，所述计算机设备包括存储器
、
以及处理器，存储器用于存储计算机程序；处理器用于执行所述计算机程序以实现上述的生成
图数据的方法
。
[0008]上述生成图数据的方法
、
装置及计算机设备，在获取到包含多类样本的图数据时，通过生成样本相关矩阵来反映样本包含的数据特征，以根据数据特征，分解总样本相关矩阵得到特征向量矩阵，并从特征向量矩阵中筛选出符合预设筛选条件的目标特征向量矩阵生成投影数据来反映目标特征向量矩阵包含有的数据特征，再对投影数据进行图粗化处理得到目标图数据
。
由于生成的目标图数据是基于数据本身的特征，可以实现对生成的图数据确定性的保证
。
附图说明
[0009]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图
。
[0010]图1为本申请实施例提供的生成图数据的方法的第一流程图
。
[0011]图2为本申请实施例提供的步骤
S103
子步骤的流程图
。
[0012]图3为本申请实施例提供的步骤
S105
子步骤的流程图
。
[0013]图4为本申请实施例提供的生成图数据的方法的第二流程图
。
[0014]图5为本申请实施例提供的生成图数据的装置的结构示意图
。
[0015]图6为本申请实施例提供的应用生成图数据的方法的计算机设备的内部结构示意图
。
[0016]图7为本申请实施例提供的生成图数据的方法的原理图
。
[0017]本申请目的的实现
、
功能特点及优点将结合实施例，参照附图做进一步说明
。
具体实施方式
[0018]为了使本申请的目的
、
技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明
。
应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请
。
基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0019]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等
(
如果存在
)
是用于区别类似的规划对象，而不必用于描述特定的顺序或先后次序
。
应该理解这样使用的数据在适当情况下可以互换，换句话说，描述的实施例根据除了这里图示或描述的内容以外的顺序实施
。
此外，术语“包括”和“具有”以及他们的任何变形，还可以包含其他内容，例如，包含了一系列步骤或单元的过程
、
方法
、
系统
、
产品或设备不必限于只清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程
、
方法
、
产品或设备固有的其它步骤或单元
。
[0020]需要说明的是，在本申请中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量
。
由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征
。
另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方
案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内
。...

【技术保护点】

【技术特征摘要】
1.
一种生成图数据的方法，其特征在于，所述生成图数据的方法包括：当获取到包含多类样本的图数据时，生成每类样本的样本相关矩阵得到总样本相关矩阵，所述样本相关矩阵用于反映所述每类样本包含的数据特征；根据所述数据特征，分解所述总样本相关矩阵得到每类特征向量矩阵；从所述每类特征向量矩阵中筛选出符合预设筛选条件的目标特征向量矩阵；根据所述目标特征向量矩阵，生成投影空间，所述投影空间用于反映所述目标特征向量矩阵包含有的所述数据特征；以及当按照预设投影方向对投影空间进行投影得到投影数据时，对所述投影数据进行图粗化处理得到目标图数据
。2.
如权利要求1所述的生成图数据的方法，其特征在于，所述生成图数据的方法还包括：获取包含不同类别的初始图数据，以根据所述类别，将所述初始图数据划分为所述包含多类样本的图数据
。3.
如权利要求1所述的生成图数据的方法，其特征在于，生成每类样本的样本相关矩阵得到总样本相关矩阵之后，所述生成图数据的方法还包括：为所述每类样本的样本相关矩阵赋予权值，所述权值用于反映所述每类样本的样本相关矩阵包含有的样本图数据特征，所述样本图数据特征是根据所述每类样本包含的数据特征得到的
。4.
如权利要求1所述的生成图数据的方法，其特征在于，每类特征向量矩阵包含有特征值，所述目标特征向量矩阵为至少两类不同的特征向量矩阵，所述预设筛选条件为从所述每类特征向量矩阵中筛选出所述特征值大于预设特征值阈值的特征向量矩阵
。5.
如权利要求4所述的生成图数据的方法，其特征在于，从所述每类特征向量矩阵中筛选出符合预设筛选条件的目标特征向量矩阵，包括：从每类特征值判断出是否存在符合所述预设筛选条件的目标特征值；以及当判断出存在符合预设筛选条件的目标特征值时，确认出所述目标特征值对应的特征向量矩阵作为所述目标特征向量矩阵
。6.
如权利要求1所述的生成图数据的方法，其特征在于，所述预设投影方向是根据所述目标特征向量矩阵预设的；当按照预设...

【专利技术属性】
技术研发人员：许聪，刘海成，王佳杰，王峥，唐弢，
申请(专利权)人：黑龙江工程学院，
类型：发明
国别省市：