[發明專利]圖神經網絡的訓練方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202011541922.5
• 申請日: 2020-12-23
• 公開（公告）號: CN112700002A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 郭同;胡懋地
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06F16/901;G06F16/906
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

1.一種圖神經網絡的訓練方法，其特征在于，包括：

根據初始對象所處的網絡節點，獲取所述網絡節點對應的節點名稱、節點類型、及所述網絡節點為所述初始對象分配的對象類型；

根據所述初始對象、所述節點名稱、所述節點類型和所述對象類型，生成所述初始對象對應的圖結構樣本；所述初始對象對應于一個初始對象標簽；

將所述圖結構樣本輸入至初始圖神經網絡，并獲取由所述初始圖神經網絡輸出的所述初始對象對應的預測對象標簽；

基于所述初始對象標簽和所述預測對象標簽，計算所述初始圖神經網絡的損失值；

在所述損失值處于預設范圍內的情況下，將訓練后的初始圖神經網絡作為目標圖神經網絡。

2.根據權利要求1所述的方法，其特征在于，所述根據所述初始對象、所述節點名稱、所述節點類型和所述對象類型，生成所述初始對象對應的圖結構樣本，包括：

以所述初始對象、所述節點名稱、所述節點類型和所述對象類型作為圖節點；

將具有關聯關系的圖節點相連接，生成所述初始對象對應的圖結構樣本。

3.根據權利要求1所述的方法，其特征在于，在所述將訓練后的初始圖神經網絡作為目標圖神經網絡之后，還包括：

獲取待識別的目標對象；

根據所述目標對象所處的目標網絡節點，獲取所述目標網絡節點對應的目標節點名稱、目標節點類型、及所述目標網絡節點為所述目標對象分配的目標對象類型；

根據所述目標對象、所述目標節點名稱、所述目標節點類型和所述目標對象類型，生成目標結構圖；

將所述目標結構圖輸入至所述目標圖神經網絡，并獲取由所述目標圖神經網絡輸出的所述目標對象的目標對象標簽。

4.根據權利要求3所述的方法，其特征在于，所述根據所述目標對象、所述目標節點名稱、所述目標節點類型和所述目標對象類型，生成目標結構圖，包括：

以所述目標對象、所述目標節點名稱、所述目標節點類型和所述目標對象類型作為目標圖節點；

將所述目標對象分別與所述所述目標節點名稱、所述目標節點類型和所述目標對象類型相連接，生成所述目標結構圖。

5.一種圖神經網絡的訓練裝置，其特征在于，包括：

節點名稱類型獲取模塊，用于根據初始對象所處的網絡節點，獲取所述網絡節點對應的節點名稱、節點類型、及所述網絡節點為所述初始對象分配的對象類型；

圖結構樣本生成模塊，用于根據所述初始對象、所述節點名稱、所述節點類型和所述對象類型，生成所述初始對象對應的圖結構樣本；所述初始對象對應于一個初始對象標簽；

預測對象標簽獲取模塊，用于將所述圖結構樣本輸入至初始圖神經網絡，并獲取由所述初始圖神經網絡輸出的所述初始對象對應的預測對象標簽；

損失值計算模塊，用于基于所述初始對象標簽和所述預測對象標簽，計算所述初始圖神經網絡的損失值；

目標圖網絡獲取模塊，用于在所述損失值處于預設范圍內的情況下，將訓練后的初始圖神經網絡作為目標圖神經網絡。

6.根據權利要求5所述的裝置，其特征在于，所述圖結構樣本生成模塊包括：

圖節點獲取單元，用于以所述初始對象、所述節點名稱、所述節點類型和所述對象類型作為圖節點；

圖樣本生成單元，用于將具有關聯關系的圖節點相連接，生成所述初始對象對應的圖結構樣本。

7.根據權利要求5所述的裝置，其特征在于，還包括：

目標對象獲取模塊，用于獲取待識別的目標對象；

目標類型獲取模塊，用于根據所述目標對象所處的目標網絡節點，獲取所述目標網絡節點對應的目標節點名稱、目標節點類型、及所述目標網絡節點為所述目標對象分配的目標對象類型；

目標結構圖生成模塊，用于根據所述目標對象、所述目標節點名稱、所述目標節點類型和所述目標對象類型，生成目標結構圖；

目標對象標簽獲取模塊，用于將所述目標結構圖輸入至所述目標圖神經網絡，并獲取由所述目標圖神經網絡輸出的所述目標對象的目標對象標簽。