[发明专利]图分类方法和装置

权利要求书

1.一种基于子图划分和子图间池化的图分类方法，其特征在于，对于一个图分类请求的响应过程包括以下步骤：

S100，根据一个子图划分方法和所述图分类请求中图的结构，将该图划分为第一子图集，输出第一子图集中各个子图的邻接矩阵和第一特征矩阵；所述第一子图集中各个子图的尺寸相同，并且所述图中任一节点都存在于所述第一子图集中的至少一个子图内；

S200，根据第一子图集中各个子图的邻接矩阵和第一特征矩阵，通过子图图卷积网络分别将其特征信息提取为其第二特征矩阵；

S300，根据一个子图选取方法从第一子图集中选取若干子图至第二子图集，并对第二子图集进行子图间池化后获得第二子图集中各个子图的第三特征矩阵；

S400，根据所述图结构以第二子图集中每个子图为一个节点的组成一个新图，新图中每个节点的第四特征矩阵由其对应子图各节点的第三特征矩阵组成；

S500，根据新图中每个节点的第四特征矩阵通过分类器回归获得新图每个节点的分类，根据每个节点的分类确定所述图的分类结果。

2.根据权利要求1所述的图分类方法，其特征在于，所述步骤S100中将输入的图G分割为K个尺寸为N的子图的所述子图划分方法为：取图G中各个节点的度作为比较对象，从大到小对图G中的各个节点进行排序；选取排序中的前K个点作为生成每张子图的中心；以每个中心为一次广度优先遍历的起点进行图遍历，当访问到的节点数目达到尺寸N时，停止本次遍历，并将本次遍历所有访问到的节点和节点连接关系输出为一张子图。

3.根据权利要求2所述的图分类方法，其特征在于，所述步骤S300中从第一子图集中选取p张子图至第二子图集的所述子图选取方法为：将所述第一子图集中K张子图按照其第二特征矩阵的模的大小，从大到小进行排序，选取模最大的前p张子图组成所述第二子图集。

4.根据权利要求3所述的图分类方法，其特征在于，所述步骤S300中的池化为最大池化。

5.根据权利要求4所述的图分类方法，其特征在于，所述步骤S400中所述新图中每个节点的第四特征矩阵为利用所述新图的邻接矩阵进行图卷积网络处理后的第四特征矩阵。

6.根据权利要求5所述的图分类方法，其特征在于，所述图卷积网络为图注意力网络。

7.根据权利要求5所述的图分类方法，其特征在于，所述步骤S400中的分类器为Softmax分类器。

8.一种实现权利要求1至7任一项所述图分类方法的图分类装置，其特征在于，包括：

子图划分模块，用于，根据所述图的邻接矩阵和其各个节点的特征矩阵，输出所述第一子图集；

子图特征提取模块，用于，提取所述第一子图集中各个子图的特征信息至其第二特征矩阵；所述子图特征提取模块包含与各个所述子图对应的图卷积网络；

子图间池化模块，用于，从所述第一子图集中筛选携带图分类特征信息的子图至所述第二子图集，并基于所述第二子图集进行子图间池化，获得所述第二子图集各个子图的第三特征矩阵；所述子图间池化模块包含池化所述第二子图集的池化层；

图映射模块，用于，将所述第二子图集映射为所述新图，并输出所述新图的邻接矩阵和各个节点的第四特征矩阵；所述图映射模块包含与新图对应的图卷积网络；图分类模块，包含分类器，用于，根据新图中每个节点的第四特征矩阵通过所述分类器回归获得新图每个节点的分类，根据每个节点的分类确定所述图的分类结果。

9.根据权利要求8所述的图分类装置，其特征在于：所述子图间池化模块的池化层为最大池化。

10.根据权利要求8所述的图分类装置，其特征在于，所述图映射模块的图卷积网络为图注意力网络。