[发明专利]空间图卷积网络的训练方法、电子设备及存储介质

权利要求书

1.一种空间域图卷积网络的训练方法，其特征在于，包括：

获取训练数据；其中，所述训练数据包括多个对象的网络结构特征、每个对象的对象属性特征、以及所述多个对象中部分对象的标记类别；每个对象的所述网络结构特征为该对象与其他对象间的关联关系；所述多个对象中具有标记类别的对象为第二对象，不具有标记类别的对象为第一对象；

根据所述训练数据对待训练的图卷积网络进行训练，得到用于对象分类和对象网络结构属性预测的图卷积网络；

所述根据所述训练数据对待训练的图卷积网络进行训练，得到用于对象分类和对象网络结构属性预测的图卷积网络，包括：

基于所述待训练的图卷积网络，根据各个对象的对象属性特征获取没有连接关系的对象间的第一连接概率，根据所述第一连接概率更新所述对象的网络结构特征；

根据各个对象更新后的所述网络结构特征和各个对象的所述对象属性特征获取各个对象的聚合特征，根据所述聚合特征更新各个对象的所述对象属性特征；

根据各个对象的所述对象属性特征和原始网络结构特征，计算第二连接概率；所述第二连接概率为每个对象与根据该对象的所述网络结构特征采样选取的其他对象的连接概率；

根据更新后的各个对象的对象属性特征获得各个对象的预测类别；根据所述第二对象的预测类别、所述第二对象的标记类别、所述第二连接概率、各个对象的原始网络结构特征和损失函数调整所述图卷积网络的参数；

返回所述根据各个对象的对象属性特征获取没有连接关系的对象间的第一连接概率的步骤对所述图卷积网络进行迭代训练，直到对所述图卷积网络的训练满足迭代结束条件，停止训练，得到用于对象分类和对象网络结构属性预测的图卷积网络；

所述对象为蛋白质关联关系网络中的蛋白质；所述对象属性特征为蛋白质的子空间结构；所述对象的网络结构特征为每个蛋白质与其他蛋白质在组织内的共表达；所述部分对象的标记类别为部分已知的细胞功能的蛋白质的细胞功能；所述第一对象为未知细胞功能的蛋白质；所述第二对象为已知细胞功能的蛋白质；或，

所述对象为文献引用关系网络中的文献；所述对象属性特征为文献标题的关键词；所述对象的网络结构特征为每个文献与其他文献的引用关系；所述部分对象的标记类别为部分已知类别的文献的文献类别；所述第一对象为未知文献类别的文献，所述第二对象为已知文献类别的文献。

2.如权利要求1所述的方法，其特征在于，所述损失函数包括第一损失函数和第二损失函数；

相应的，根据更新后的各个对象的对象属性特征获得各个对象的预测类别；根据所述第二对象的预测类别、所述第二对象的标记类别、所述第二连接概率、各个对象的原始网络结构特征和损失函数调整所述图卷积网络的参数，包括：

根据所述第二对象的预测类别、所述第二对象的标记类别和所述第一损失函数确定第一奖惩值；

根据所述第二连接概率、所述各个对象的原始网络结构特征和所述第二损失函数确定第二奖惩值；

根据所述第一奖惩值和所述第二奖惩值调整所述图卷积网络的参数。

3.如权利要求2所述的方法，其特征在于，所述根据所述第二对象的预测类别、所述第二对象的标记类别和所述第一损失函数确定第一奖惩值前，还包括：

根据所述第一损失函数的系数和所述第二损失函数的系数，确定所述图卷积网络偏重对象分类或对象网络结构特征预测。

4.如权利要求3所述的方法，其特征在于，还包括：

采用退火算法根据所述第一奖惩值计算所述第一损失函数的系数和所述第二损失函数的系数；或，

采用退火算法根据所述第二奖惩值计算所述第一损失函数的系数和所述第二损失函数的系数。