[发明专利]一种异构图数据处理方法和装置

权利要求书

1.一种异构图数据处理方法，其特征在于，该方法包括：

获取待处理的异构图数据；

将所述异构图数据按照图划分算法切分为数据规模小于预设数据规模值的子图；

针对每个子图，通过图嵌入算法获得对应节点的特征矩阵；

通过机器学习分类模型获得每个特征矩阵对应的分类值；

当获得的任一特征矩阵的分类值大于预设安全值时，针对所述特征矩阵对应的节点进行报警。

2.根据权利要求1所述的方法，其特征在于，所述针对所述特征矩阵对应的节点进行报警时，所述方法进一步包括：提示该节点对应的分类值；

该方法进一步包括：

若接收到审核人员根据所述分类值为对应节点设置的标签信息，则将所述节点与对应标签信息绑定存储。

3.根据权利要求1所述的方法，其特征在于，当所述机器学习分类模型为N个时，所述方法进一步包括：为每个机器学习分类模型分配权值；

所述通过机器学习分类模型获得所述特征矩阵对应的分类值，包括：

通过N个机器学习分类模型分别获得所述特征矩阵对应的初步分类值；

将获得的N个初步分类值使用对应的权值进行加权求和，获得该特征矩阵对应的最终分类值；其中，N为大于1的整数。

4.根据权利要求1所述的方法，其特征在于，所述将所述异构图数据按照图划分算法切分为数据规模小于预设数据规模值的子图，包括：

确定是否能够对异构图数据进行图嵌入算法计算，如果是，将所述异构图数据按照图划分算法切分为数据规模小于预设数据规模值的子图；否则，将所述异构图数据拆分为二分图，再使用图划分算法将二分图切分为数据规模小于预设数据规模值的子图。

5.根据权利要求4所述的方法，其特征在于，

任意两个子图的数据规模的差值不大于预设差值。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法进一步包括：

根据存储的节点对应的标签信息对所述异构图数据进行有标签信息的数据处理。

7.一种异构图数据处理装置，其特征在于，该装置包括：获取单元、划分单元、特征提取单元、分类单元和报警单元；

所述获取单元，用于获取待处理的异构图数据；

所述划分单元，用于将所述获取单元获取的异构图数据按照图划分算法切分为数据规模小于预设数据规模值的子图；

所述特征提取单元，用于针对所述划分单元划分的每个子图，通过图嵌入算法获得对应节点的特征矩阵；

所述分类单元，用于通过机器学习分类模型获得所述特征提取单元获得的每个特征矩阵对应的分类值；

所述报警单元，用于当确定所述分类单元获得的任一特征矩阵的分类值大于预设安全值时，针对所述特征矩阵对应的节点进行报警。

8.根据权利要求7所述的装置，其特征在于，

所述报警单元，进一步用于针对所述特征矩阵对应的节点进行报警时，提示该节点对应的分类值；

所述获取单元，进一步用于若接收到审核人员根据所述分类值为对应节点设置的标签信息，则将所述节点与对应标签信息绑定存储。

9.根据权利要求7所述的装置，其特征在于，

所述分类单元，用于当所述机器学习分类模型为N个时，为每个机器学习分类模型分配权值；通过N个机器学习分类模型分别获得所述特征矩阵对应的初步分类值；将获得的N个初步分类值使用对应的权值进行加权求和，获得该特征矩阵对应的最终分类值；其中，N为大于1的整数。

10.根据权利要求7所述的装置，其特征在于，

所述划分单元，具体用于将所述异构图数据按照图划分算法切分为数据规模小于预设数据规模值的子图时，确定是否能够对异构图数据进行图嵌入算法计算，如果是，将所述异构图数据按照图划分算法切分为数据规模小于预设数据规模值的子图；否则，将所述异构图数据拆分为二分图，再使用图划分算法将二分图切分为数据规模小于预设数据规模值的子图。