【技术实现步骤摘要】
本申请涉及神经网络领域，特别涉及一种图数据处理方法、系统、设备及介质。
技术介绍
1、图神经网络(gnn)是一种连接模型，通过网络中节点之间的信息传递来获取图中的依赖关系。图神经网络通过节点任意深度的邻节点更新节点的状态，可以将深度神经模型扩展到非欧几里得域，因此图神经网络在知识图谱、推荐系统以及生物医学工程等领域得到了广泛的关注和应用。
2、而随着大数据时代的到来，图数据结构的规模呈现爆炸式增长，使得传统的处理方法变得困难。
3、因此亟需一种能够加速计算速度的图数据处理方法以解决上述技术问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种图数据处理方法、系统、设备及介质。
2、第一方面，本申请提供一种图数据处理方法，方法包括：
3、对训练数据集中的多个待处理图数据进行处理以获取节点特征以及边特征；
4、根据节点特征和边特征生成节点特征矩阵以及阻变阵列；
5、根据图神经网络、节点特征矩阵以及阻变阵列生成第
本文档来自技高网...【技术保护点】
1.一种图数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述阻变阵列的生成方法包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述邻接矩阵内的矩阵元素值，设置与所述邻接矩阵规模相同的初始阻变阵列的阻值状态以生成阻变阵列，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述结果特征以及哈密顿量损失函数调整图神经网络的权重参数，实现对图神经网络的训练以得到目标神经网络，包括：
5.根据权利要求4所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征...
【技术特征摘要】
1.一种图数据处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述阻变阵列的生成方法包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述邻接矩阵内的矩阵元素值，设置与所述邻接矩阵规模相同的初始阻变阵列的阻值状态以生成阻变阵列，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述结果特征以及哈密顿量损失函数调整图神经网络的权重参数，实现对图神经网络的训练以得到目标神经网络，包括：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：王昕鑫，孔祥涛，
申请(专利权)人：苏州元脑智能科技有限公司，
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。