[发明专利]一种图嵌入方法、装置及存储介质

说明书

本发明提供一种图嵌入方法、装置及存储介质，方法包括：读取目标图中图结构数据和节点特征值，构建图结构模型；将图结构模型中的各个节点视为目标节点，根据非均匀邻居节点采样函数采样各目标节点的一阶邻居节点，得到各目标节点的一阶邻域；根据各目标节点的一阶邻域构建各目标节点的二阶邻域，并聚合至目标节点对应的一阶邻域上，并将聚合的二阶邻域的特征输入全连接神经网络中，得到各个目标节点的一阶邻域的新特征；将新特征聚合到对应的各个目标节点上，并将聚合的一阶邻域的新特征输入全连接神经网络中，得到各个目标节点的输出特征。能够灵活而有效地为图中各节点构建邻域，快速的进行特征聚合，从而改善基于图神经网络的图嵌入的效果。

技术领域

本发明主要涉及图嵌入技术处理领域，具体涉及一种图嵌入方法、装置及存储介质。

背景技术

图嵌入又称为网络嵌入、网络表示学习，其目的是将图中各节点投射到低维向量空间中，即为图结构数据学习到有效的表示或编码，这些表示或编码即图的“嵌入”。图嵌入的方法多种多样，其中基于图神经网络的方法在最近几年慢慢兴起。

图的嵌入可以理解为嵌入空间中的众多节点，诸如社团发现、智能推荐等任务能够通过对这些节点进行分类、预测来实现。图嵌入技术大大提升了复杂网络领域众多数据挖掘任务的效果，有着广泛的应用前景。

目前，图嵌入方法常采用均匀采样函数为各节点构建邻域，即在各节点的邻居节点中随机抽取部分节点，这种采样方式虽然运算复杂度上较低，但却忽略了各邻居节点在性质上存在的差异，不利于节点嵌入的生成。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种图嵌入方法、装置及存储介质。

本发明解决上述技术问题的技术方案如下：一种图嵌入方法，包括如下步骤：

读取目标图中图结构数据和节点特征值，根据所述图结构数据和节点特征值构建图结构模型；

将所述图结构模型中的各个节点视为目标节点，根据非均匀邻居节点采样函数采样各个所述目标节点的一阶邻居节点，得到各个所述目标节点的一阶邻域；

根据各个所述目标节点的一阶邻域构建各个所述目标节点的二阶邻域；

将各个所述目标节点的二阶邻域的特征聚合至所述目标节点对应的一阶邻域上，并将聚合的二阶邻域的特征输入预先构建的全连接神经网络中，得到各个所述目标节点的一阶邻域的新特征；

将各个所述目标节点的一阶邻域的新特征聚合到对应的各个所述目标节点上，并将聚合的一阶邻域的新特征输入所述全连接神经网络中，得到各个所述目标节点的输出特征。

本发明解决上述技术问题的另一技术方案如下：一种图嵌入装置，包括如下步骤：

模型构建模块，用于读取目标图中图结构数据和节点特征值，根据所述图结构数据和节点特征值构建图结构模型；

一阶邻域构建模块，用于将所述图结构模型中的各个节点视为目标节点，根据非均匀邻居节点采样函数采样各个所述目标节点的一阶邻居节点，得到各个所述目标节点的一阶邻域；

二阶邻域构建模块，用于根据各个所述目标节点的一阶邻域构建各个所述目标节点的二阶邻域；

二阶邻域聚合模块，用于将各个所述目标节点的二阶邻域的特征聚合至所述目标节点对应的一阶邻域上，并将聚合的二阶邻域的特征输入预先构建的全连接神经网络中，得到各个所述目标节点的一阶邻域的新特征；

一阶邻域聚合模块，用于将各个所述目标节点的一阶邻域的新特征聚合到对应的各个所述目标节点上，并将聚合的一阶邻域的新特征输入所述全连接神经网络中，得到各个所述目标节点的输出特征。