[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

说明书

本申请适用于模式识别技术领域，提供了空间图卷积网络的训练方法，包括：获取训练数据；其中，所述训练数据包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；以及，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。从而实现了可以同时处理对象关系网络的对象分类和对象的网络结构特征预测任务，节省了计算设备的算力，提高了效率。

技术领域

本申请属于模式识别技术领域，尤其涉及空间图卷积网络的训练方法、电子设备及存储介质。

背景技术

在关于图网络数据处理的相关应用场景中，对象关系网络中的节点对应的对象分类，和节点间连接对应的对象的网络结构特征预测是两个较为常见的任务。例如，通过论文间的引用关系进行论文所属学科的预测，和论文间缺失的引用关系的补全。又例如，通过蛋白质间在组织内的共表达预测蛋白质的细胞内功能和蛋白质间缺失的共表达关系的补全。但是目前缺乏一种方法可以同时处理对象关系网络对应的图网络数据中的对象分类和对象网络结构特征预测任务。

发明内容

本申请实施例提供了空间图卷积网络的训练方法、对象分类和对象的网络结构特征的预测方法、电子设备及存储介质，可以解决上述技术问题。

第一方面，本申请实施例提供了一种空间图卷积网络的训练方法，包括：

获取训练数据；其中，所述训练数据包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。

从而实现了可以同时处理对象关系网络的对象分类和对象网络结构属性预测任务，节省了计算设备的算力，提高了效率。

第二方面，本申请实施例提供了一种对象分类和对象的网络结构特征的预测方法，包括：

获取待预测对象的测试数据；

采用空间域图卷积网络对所述测试数据进行处理，获得所述待预测对象的分类结果和对象的网络结构属性预测结果，所述空间域图卷积网络为经由上述第一方面所述的方法训练的到的图卷积网络。

第三方面，本申请实施例提供了一种空间域图卷积网络的训练装置，包括：

数据获取模块，用于获取训练数据；其中，所述训练数据包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；

训练模块，用于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。

第四方面，本申请实施例提供了一种对象分类和对象间连接关系的预测装置，包括：

测试数据获取模块，用于获取待预测对象的测试数据；

预测模块，采用空间域图卷积网络对所述测试数据进行处理，获得所述待预测对象的分类结果和对象间的网络结构属性预测结果，所述空间域图卷积网络为经由上述第一方面所述的方法训练的到的图卷积网络。

第五方面，本申请实施例提供了一种电子设备，包括：

存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面和/或第二方面所述的方法步骤。