[发明专利]数据分类方法、装置和计算机可读存储介质

权利要求书

1.一种数据分类方法，包括：

根据待处理数据包含的各部分数据和所述各部分数据之间的关系，生成第一待处理图，所述第一待处理图中包含与所述各部分数据对应的节点和根据所述各部分数据之间的关系确定的各节点之间的边；

根据提取的所述各部分数据的特征向量和所述各部分数据之间的关系，利用机器学习模型确定所述第一待处理图中相应各节点的关联特征向量和所述各节点的聚类结果；

根据所述各节点的关联特征向量和所述各节点的聚类结果，利用分类器对所述待处理数据进行分类；

其中，

所述机器学习模型包括第一图神经网络模型、第二图神经网络模型；

利用机器学习模型确定所述第一待处理图中各节点的关联特征向量和所述各节点的聚类结果包括：

利用所述第一图神经网络模型，确定所述第一待处理图中各节点的关联特征向量；

利用所述第二图神经网络模型，确定所述各节点的聚类结果。

2.根据权利要求1所述的数据分类方法，其中，根据所述各节点的特征向量和所述各节点的聚类结果，利用分类器对所述待处理数据进行分类包括：

根据所述各节点的关联特征向量和所述聚类结果，生成第二待处理图，所述第二待处理图的节点个数根据所述聚类结果确定；

根据所述第二待处理图，利用所述分类器对所述待处理数据的进行分类。

3.根据权利要求2所述的数据分类方法，其中，生成第二待处理图包括：

根据所述各节点的关联特征向量和所述聚类结果，对所述第一待处理图进行池化处理；

根据池化处理的结果，生成所述第二待处理图。

4.根据权利要求3所述的数据分类方法，其中，生成所述第二待处理图包括：

根据公式V＝S^TZ生成所述第二待处理图的节点特征向量矩阵V，S为所述聚类结果中所述第一待处理图中各节点属于各类的概率组成的概率分布矩阵，Z为所述第一待处理图中各节点的关联特征向量组成的关联特征向量矩阵；

根据公式A＝S^TA′S生成所述第二待处理图的边矩阵A，A′为根据所述各部分数据之间的关系确定的所述第一待处理图的边矩阵；

根据V和A生成所述第二待处理图。

5.根据权利要求2所述的数据分类方法，其中，

所述机器学习模型还包括第三图神经网络模型；

根据所述第二待处理图，利用所述分类器对所述待处理数据的进行分类包括：

利用所述第三图神经网络模型，确定所述第二待处理图中各节点的特征向量；

根据所述第二待处理图中各节点的特征向量，利用所述分类器对所述待处理数据进行分类。

6.根据权利要求5所述的数据分类方法，其中，根据所述第二待处理图中各节点的特征向量，利用所述分类器对所述待处理数据进行分类包括：

对所述第二待处理图中各节点的特征向量进行最大值池化处理或级联处理，确定待处理向量；

根据所述待处理向量，利用所述分类器对所述待处理数据进行分类。

7.根据权利要求1-6任一项所述的数据分类方法，其中，

所述各部分数据之间的关系根据所述各部分数据的特征向量之间的关联程度确定。

8.根据权利要求6所述的数据分类方法，其中，

所述机器学习模型和所述分类器利用交叉熵损失函数训练，所述交叉熵损失函数根据第一分类结果、第二分类结果和第三分类结果确定，所述第一分类结果为根据所述第一待处理图中各节点的关联特征向量利用所述分类器确定的分类结果，所述第二分类结果为根据所述第二待处理图中各节点的特征向量利用所述分类器确定的分类结果，所述第三分类结果为根据所述待处理向量利用所述分类器确定的分类结果。