【技术实现步骤摘要】
本公开涉及计算机，具体而言，涉及一种图神经网络的训练方法、训练系统及异常账号识别方法。
技术介绍
1、随着人工智能技术的发展，深度学习算法在图像处理、文本处理等应用领域的取得了巨大的成功。但现实中许多数据由于其较为特殊的数据形式，例如社交网络、知识图谱以及分子结构等，往往难以使用常规的深度学习算法进行处理，对此研究人员提出了各种针对图结构数据的图神经网络模型(graph neural networks，gnn)，并在内容推荐、药物研发、芯片设计等领域都进行了广泛的应用。
2、相关技术中，在对图神经网络进行训练时，一般是先对图结构数据进行处理，然后再利用处理后的图结构数据进行训练，两个步骤是串行执行的，然而由于对图结构数据进行处理的过程所需要的时间，和利用处理后的图结构数据进行训练的时间可能并不一致，因此可能会造成下一轮的图结构数据还未处理完成，当前轮的图结构数据已经完成训练，或者当前轮的图结构数据已经处理完成，上一轮的图结构数据还未完成训练，进而导致其中的一个处理步骤进入等待执行状态，但是等待执行的处理步骤仍旧占用了计算资源...
【技术保护点】
1.一种图神经网络的训练方法，其特征在于，应用于多个分布式训练终端中的任一终端设备，所述多个分布式训练终端用于对同一目标神经网络进行训练，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述初始图结构数据为基于以下方式分配得到的：
3.根据权利要求1所述的方法，其特征在于，所述对所述初始图结构数据进行图结构数据处理包括：
4.根据权利要求3所述的方法，其特征在于，根据历史次执行图结构数据处理阶段和图神经网络训练阶段的历史执行数据，确定当前次执行图结构数据处理阶段的处理时机，包括：
5.根据权利要求1所述的方法，...
【技术特征摘要】
1.一种图神经网络的训练方法，其特征在于，应用于多个分布式训练终端中的任一终端设备，所述多个分布式训练终端用于对同一目标神经网络进行训练，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述初始图结构数据为基于以下方式分配得到的：
3.根据权利要求1所述的方法，其特征在于，所述对所述初始图结构数据进行图结构数据处理包括：
4.根据权利要求3所述的方法，其特征在于，根据历史次执行图结构数据处理阶段和图神经网络训练阶段的历史执行数据，确定当前次执行图结构数据处理阶段的处理时机，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述目标图结构数据对所述目标神经网络进行训练，包括：
6.一种图神经网络的训练系统，其特征在于，包括多个分布式训练终端和数据库，其中：
7.一种异常账号识别方法，其特征在于，包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述历史浏览记录和训练好的目标神经网络，确定用于表征所述待验证账号是否为异常账号的目标识别...
【专利技术属性】
技术研发人员：陈宏智，
申请(专利权)人：北京火山引擎科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。