[发明专利]基于图神经网络的特征识别方法、装置、存储介质及终端

权利要求书

1.一种基于图神经网络的特征识别方法，其特征在于，所述方法包括：

确定目标节点对应的至少一个邻居节点；其中，所述目标节点为图数据中的任意一个顶点，所述至少一个邻居节点为所述目标节点的N阶邻居，所述目标节点与所述至少一个邻居节点分别包括M个特征，所述目标节点与任意一个所述邻居节点包括的M个特征相同，M及N均为正整数；

将所述目标节点与所述至少一个邻居节点各自对应的M个特征的值输入到预设的图神经网络模型，得到所述目标节点与所述至少一个邻居节点各自对应的预测值；

基于预训练的非线性特征选择模型对所述目标节点与所述至少一个邻居节点各自对应的M个特征的值及预测值进行处理，得到所述目标节点中的M个特征各自对应的权重值；

基于所述目标节点中的M个特征各自对应的权重值，从所述M个特征中确定至少一个关键特征。

2.根据权利要求1所述的方法，其特征在于，所述将所述目标节点与所述至少一个邻居节点各自对应的M个特征的值输入到预设的图神经网络模型，得到所述目标节点与所述至少一个邻居节点各自对应的预测值，包括：

确定所述目标节点与所述至少一个邻居节点各自对应的M个特征；

获取所述目标节点对应的M个特征的值，以及获取所述至少一个邻居节点对应的M个特征的值；

将所述目标节点对应的M个特征的值和所述至少一个邻居节点对应的M个特征的值分别输入所述预设的图神经网络模型，得到所述目标节点和所述至少一个邻居节点各自对应的所述预测值。

3.根据权利要求2所述的方法，其特征在于，所述将所述目标节点对应的M个特征的值和所述至少一个邻居节点对应的M个特征的值分别输入所述预设的图神经网络模型，得到所述目标节点和所述至少一个邻居节点各自对应的所述预测值，包括：

获取所述目标节点对应的邻接矩阵；

将所述目标节点对应的M个特征的值和所述邻接矩阵输入到所述预设的图神经网络模型，得到所述目标节点对应的所述预测值；以及

将所述至少一个邻居节点对应的M个特征的值分别输入所述预设的图神经网络模型，得到所述至少一个邻居节点对应的所述预测值。

4.根据权利要求1所述的方法，其特征在于，所述基于预训练的非线性特征选择模型对所述目标节点与所述至少一个邻居节点各自对应的M个特征的值及预测值进行处理，得到所述目标节点中的M个特征各自对应的权重值，包括：

对所述目标节点与所述至少一个邻居节点各自对应的M个特征的值和所述目标节点与所述至少一个邻居节点各自对应的预测值进行组合得到待分析数据；

基于所述预训练的非线性特征选择模型对所述待分析数据进行处理的所述目标节点中的M个特征各自对应的权重值。

5.根据权利要求1所述的方法，其特征在于，所述基于所述目标节点中的M个特征各自对应的权重值，从所述M个特征中确定至少一个关键特征，包括：

对所述M个特征各自对应的权重值进行降序排列得到排列顺序信息；

基于所述排列顺序信息筛选出所述至少一个关键特征；其中，所述关键特征为所述目标节点中满足预设权值条件的特征。

6.根据权利要求1所述的方法，其特征在于，所述基于所述目标节点中的M个特征各自对应的权重值，从所述M个特征中确定至少一个关键特征之后，还包括：

基于所述至少一个关键特征得到关键特征信息，并显示所述关键特征信息。

7.根据权利要求1所述的方法，其特征在于，所述确定目标节点对应的至少一个邻居节点之前，还包括：

响应于针对所述图数据中的节点选取操作，确定所述节点选取操作对应的节点为所述目标节点。