基于图神经网络的图表征方法、网络训练方法和装置制造方法及图纸

本说明书的实施例提供了一种基于图神经网络的图表征方法、网络训练方法和装置。在该图表征方法中，基于全图结构关系数据进行图划分；在每轮分区推理过程中：将所选取的当前图划分结果中的各个节点所对应的当前节点表征从外部存储空间加载至系统内存，当前节点表征基于对应的节点所具有的节点特征数据推理得到；根据全图结构关系数据确定当前图划分结果中的各个目标节点的邻居节点；将至少部分邻居节点所对应的当前节点表征和包含邻居节点的结构关系数据从系统内存传输到GPU存储空间；在GPU处，基于图神经网络根据当前节点表征和相应的结构关系数据进行推理，得到目标节点所对应的融合有邻居节点特征的节点表征，并更新外部存储中的相应节点表征。

【技术实现步骤摘要】

本说明书实施例通常涉及计算机，尤其涉及基于图神经网络的图表征方法、网络训练方法和装置。

技术介绍

1、随着图神经网络(graph neural networks，gnn)的飞速发展，大规模图数据(graph)的全图推理(inference)成为各领域关注的焦点。传统的全图推理方法通常依赖于将整个图加载到系统内存中进行处理，但这在处理大规模图数据时往往因系统资源不足而难以实现，从而限制了全图推理算法的规模和性能。因而，提出一种新的基于图神经网络进行全图推理来得到图中节点的表征的方法，以更好地适应大规模图数据的推理需求提高预测性维护的有效性和针对性对保证生产流程的连续稳定安全运行具有重要意义。

技术实现思路

1、鉴于上述，本说明书实施例提供了一种基于图神经网络的图表征方法、网络训练方法和装置。利用该方法、装置，可以更好地实现全图推理，尤其适用于大规模图数据的推理需求。

2、根据本说明书的实施例的一个方面，提供一种基于图神经网络的图表征方法，包括：基于待进行推理的全图结构关系数据进行图划分，得到子图结构本文档来自技高网...

【技术保护点】

1.一种基于图神经网络的图表征方法，包括：

2.如权利要求1所述的图表征方法，其中，将至少部分邻居节点所对应的当前节点表征从所述系统内存传输到GPU存储空间包括：

3.如权利要求1或2所述的图表征方法，其中，在所述GPU处，基于图神经网络根据所获取的当前节点表征和相应的结构关系数据进行推理，得到所述目标节点所对应的融合有邻居节点特征的节点表征之前，所述分区推理过程还包括：

4.如权利要求1所述的图表征方法，其中，所述目标节点包括所述当前子图结构关系数据中的各个节点，所述邻居节点包括各个目标节点基于全采样而确定的各个一度邻居节点，p>

5.如权利...

【技术特征摘要】

1.一种基于图神经网络的图表征方法，包括：

2.如权利要求1所述的图表征方法，其中，将至少部分邻居节点所对应的当前节点表征从所述系统内存传输到gpu存储空间包括：

3.如权利要求1或2所述的图表征方法，其中，在所述gpu处，基于图神经网络根据所获取的当前节点表征和相应的结构关系数据进行推理，得到所述目标节点所对应的融合有邻居节点特征的节点表征之前，所述分区推理过程还包括：

4.如权利要求1所述的图表征方法，其中，所述目标节点包括所述当前子图结构关系数据中的各个节点，所述邻居节点包括各个目标节点基于全采样而确定的各个一度邻居节点，

5.如权利要求4所述的图表征方法，其中，所述从所得到的子图结构关系数据中选取当前子图结构关系数据包括在每次执行分区推理过程时依次选取不同的子图结构关系数据直到经图划分所得到的子图结构关系数据中不存在未被选取过的子图结构关系数据后再重复执行逐分区选取过程。

6.如权利要求4所述的图表征方法，其中，所述分区推理结束条件包括经图划分所得到的子图结构关系数据中的各个子图结构关系数据被选取的次数达到预定次数，

7.如权利要求1所述的图表征方法，其中，在上一分区推理过程的将至少部分邻居节点所对应的当前节...

【专利技术属性】
技术研发人员：张宇，万小培，王鑫蕾，李杨，赵进，宁鑫，程健，
申请(专利权)人：之江实验室，
类型：发明
国别省市：