[发明专利]图数据的边预测方法、装置及终端设备

说明书

本申请适用于数据处理技术领域，提供了图数据的边预测方法、装置及终端设备，包括：获取图数据的节点特征矩阵及邻接矩阵；将所述节点特征矩阵及所述邻接矩阵输入已训练的目标神经网络，得到所述图数据的节点融合特征矩阵、节点生成度向量及节点流行度向量；根据所述节点融合特征矩阵、所述节点生成度向量及所述节点流行度向量，得到每个节点对应的边生成概率向量；根据每个节点对应的边生成概率向量确定预测生成的边。本申请实施例能够提高图数据边预测的准确性。

技术领域

本申请属于数据处理技术领域，尤其涉及一种图数据的边预测方法、装置及终端设备。

背景技术

图数据(graph data)在现实生活中大量存在，比如社交网络图、知识图谱等。这些图数据是一些非结构化非欧空间的数据，这些数据的信息体现在节点的特征和图的结构上。

在图数据中，边预测(Link Prediction)是一种用于处理分析图数据的方式，是一种基于图数据来预测节点之间现在没有或者缺失但将来会出现或者可能存在的边的方法。现有图数据的边预测方法通常是利用基于正负样本进行监督学习得到的判别模型进行边预测，然而这种方法没结合图数据的特性，其准确性较低。

发明内容

有鉴于此，本申请实施例提供了图数据的边预测方法、装置及终端设备，以解决现有技术中如何提高图数据的边预测准确性的问题。

本申请实施例的第一方面提供了一种图数据的边预测方法，包括：

获取图数据的节点特征矩阵及邻接矩阵；

将所述节点特征矩阵及所述邻接矩阵输入已训练的目标神经网络，得到所述图数据的节点融合特征矩阵、节点生成度向量及节点流行度向量；

根据所述节点融合特征矩阵、所述节点生成度向量及所述节点流行度向量，得到每个节点对应的边生成概率向量；

根据每个节点对应的边生成概率向量确定预测生成的边。

本申请实施例的第二方面提供了一种图数据的边预测装置，包括：

第一获取单元，用于获取图数据的节点特征矩阵及邻接矩阵；

特征提取单元，用于将所述节点特征矩阵及所述邻接矩阵输入已训练的目标神经网络，得到所述图数据的节点融合特征矩阵、节点生成度向量及节点流行度向量；

边生成概率向量确定单元，用于根据所述节点融合特征矩阵、所述节点生成度向量及所述节点流行度向量，得到每个节点对应的边生成概率向量；

边确定单元，用于根据每个节点对应的边生成概率向量确定预测生成的边。

本申请实施例的第三方面提供了一种终端设备，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，当所述处理器执行所述计算机程序时，使得终端设备实现如所述图数据的边预测方法的步骤。

本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得终端设备实现如所述图数据的边预测方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行如第一方面中所述的图数据的边预测方法。

本申请实施例与现有技术相比存在的有益效果是：本申请实施例中，由于除了提取节点融合特征矩阵外，还能够根据已训练的目标神经网络提取图数据的节点生成度向量和节点流行度向量，并结合节点融合特征矩阵、节点生成度向量及节点流行度向量来确定每个节点对应的边生成概率，确定预测生成的边，因此能够通过准确获取图数据每个节点的生成度特征和流行度特征来充分地利用图数据的特性实现边预测，从而能够提高图数据的边预测的准确性。

附图说明