[發明專利]實現異構圖、分子空間結構性質識別的方法、裝置和設備

有效

• 申請號: 201811278487.4
• 申請日: 2018-10-30
• 公開（公告）號: CN110263780B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 榮鈺;何宇;黃俊洲
• 申請（專利權）人: 騰訊科技(深圳)有限公司;深圳市騰訊計算機系統有限公司
• 主分類號: G06V10/24
• 分類號: G06V10/24;G06K9/62;G06N3/04;G06V10/764
• 代理公司: 深圳市聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美;葉虹

本發明揭示了一種實現異構圖識別、實現分子空間結構所對應性質識別的方法、裝置和機器設備。所述方法包括：對異構圖進行所包含拓撲結構的特征描述生成特征信息；通過對所述異構圖的采樣以及所述特征信息，生成所述異構圖所包含拓撲結構上對應于關鍵節點的特征向量；聚合處理所述特征向量生成所述異構圖對應的圖表示向量；根據所述圖表示向量進行所述異構圖的分類處理獲得分類預測結果。這將使得異構圖，例如分子空間結構所對應圖形化表示的識別能夠通過神經網絡實現，有效提升了異構圖所相關的分析處理性能，也將使得神經網絡不再僅限于網絡數據的分類識別，應用場景得到極大擴展。

技術領域

本發明涉及計算機應用技術領域，特別涉及一種實現異構圖識別、實現分子空間結構所對應性質識別的方法、裝置和機器設備。

背景技術

基于機器學習的各類識別，一直以來都是各應用場景下研究和分析各類源數據的重要工具。例如，圖像、自然語言處理等應用場景中，對源數據所實現的大規模分類和識別，以此來快速獲得源數據所相關的分類預測結果，加速所在應用場景的功能實現。

作為機器學習的經典實現架構，神經網絡已經在分類識別領域獲得了極大的成功，基于神經網絡的諸多模型和架構都用于解決機器學習中的分類問題。向神經網絡輸入的源數據，都有一個共同點，即，向神經網絡輸入的源數據都是網格數據。

也就是說，神經網絡用于專門處理類似網格結構數據，而異構圖則不具備網格結構。換而言之，異構圖的數據存在形態不是網格數據，由此可見，異構圖的識別，將無法通過神經網絡實現，進而也無法借助于神經網絡對異構圖進行分類。

例如，對于化合物或者蛋白質，其分子空間結構不是網格結構，將此分子空間結構進行圖形化表示所得到的圖即為異構圖，因此，此分子空間結構并不屬于神經網絡所能夠分類識別的范疇，并無法利用神經網絡來識別此分子空間結構所具備的化學或生物性質。

綜上所述的，亟待為異構圖的識別，執行適應于神經網絡的處理，以構建神經網絡能夠識別的向量表示，達成異構圖，特別是分子空間結構的快速識別。

發明內容

為了解決相關技術中異構圖，例如分子空間結構所對應圖形化表示的識別無法通過神經網絡實現的技術問題，本發明提供一種異構圖甚至于分子空間結構所對應性質在神經網絡實現識別的方法，即實現異構圖識別、實現分子空間結構所對應性質識別的方法、裝置和機器設備。

一種實現異構圖識別的方法，所述方法包括：

對異構圖進行所包含拓撲結構的特征描述生成特征信息；

通過對所述異構圖的采樣以及所述特征信息，生成所述異構圖所包含拓撲結構上對應于關鍵節點的特征向量；

聚合處理所述特征向量生成所述異構圖對應的圖表示向量；

根據所述圖表示向量進行所述異構圖的分類處理獲得分類預測結果。

一種實現分子空間結構所對應性質的識別方法，所述方法包括：

獲取所述分子空間結構的異構圖，所述分子空間結構包括化學分子結構和蛋白質分子結構；

對所述異構圖進行所包含分子結構的特征描述生成特征信息；

通過對所述異構圖的采樣以及所述特征信息，生成所述異構圖所包含拓撲結構上對應于關鍵節點的特征向量；

聚合處理所述特征向量生成所述異構圖對應的圖表示向量；

根據所述圖表示向量進行所述異構圖的分類處理獲得指示所對應性質的分類預測結果。

一種實現異構圖識別的裝置，所述裝置包括：

特征描述模塊，用于對異構圖進行所包含拓撲結構的特征描述生成特征信息；