[发明专利]用于图神经网络处理的系统、计算设备及存储介质

说明书

本申请实施例提供一种用于图神经网络处理的系统、计算设备及存储介质。在本申请实施例中，该系统包括：执行组件，执行组件包括：图处理组件，用于获取样本图数据以及样本节点选择方式，并根据样本节点选择方式从样本图数据中确定第一节点与第二节点之间的关联关系，第一节点是指样本节点中的待处理节点，第二节点是指样本节点中用于处理第一节点的其它节点；神经网络处理组件，用于获取关联关系，基于确定的关联关系，对第二节点的信息进行聚合，并更新第一节点的信息，以用于图神经网络模型的训练过程。从而使得能够灵活地兼容多种不同类型的图神经网络模型。

技术领域

本申请涉及计算机技术领域，尤其涉及一种用于图神经网络处理的系统、一种图神经网络的训练方法、计算设备及存储介质。

背景技术

随着深度学习技术的飞速发展，各种类型的图神经网络算法被提出并应用到真实的场景中。其中，图神经网络算法是将传统的神经网络算法技术应用于图数据上的一种算法技术。在图神经网络算法中，图中的每个节点不断地搜集其邻居的信息并聚合，最后图中的每个节点都得到一个低维度的向量表示。其中，图神经网络算法可以应用到知识图谱，推荐系统以及生命科学等场景。然而，为了使算法设计人员灵活方便地表达图神经网络算法，多种图神经网络系统已经被开发出来，且将多种类型的图神经网络算法应用到场景中。但目前图神经网络系统仅仅能支持一种类型的图神经网络算法并应用到场景中，不能够灵活地支持多种类型的图神经网络算法。

发明内容

本申请的多个方面提供一种用于图神经网络处理的系统、计算设备及存储介质，用以能够灵活地支持多种图神经网络模型的训练。

本申请实施例提供一种用于图神经网络处理的系统，用于对样本图数据进行处理，所述样本图数据包括多个样本节点以及多个样本节点之间的关联关系，所述多个样本节点包括第一节点以及第二节点，所述系统包括：执行组件，所述执行组件包括：图处理组件，用于获取样本图数据以及样本节点选择方式，并根据样本节点选择方式从所述样本图数据中确定第一节点与第二节点之间的关联关系，所述第一节点是指所述样本节点中的待处理节点，所述第二节点是指所述样本节点中用于处理所述第一节点的其它节点；神经网络处理组件，用于获取所述关联关系，基于确定的关联关系，对所述第二节点的信息进行聚合，并更新所述第一节点的信息，以用于图神经网络模型的训练过程。

本申请实施例还提供一种图神经网络的训练方法，用于对样本图数据进行处理，所述样本图数据包括多个样本节点以及多个样本节点之间的关联关系，所述多个样本节点包括第一节点以及第二节点，所述方法包括：获取作为训练样本的样本图数据以及对应的第一节点，所述第一节点是指所述样本节点中的待处理节点；确定针对所述第一节点的样本节点选择方式；根据所述样本节点选择方式，从样本图数据中确定所述第一节点与第二节点之间的关联关系，所述第二节点是指所述样本节点中用于处理所述第一节点的其它节点；基于确定的关联关系，对第二节点的信息进行聚合，并更新第一节点的信息，以用于图神经网络模型的训练过程。

本申请实施例还提供一种电子设备，包括：存储器、处理器；所述存储器，用于存储计算机程序；所述处理器，执行所述计算机程序，以用于：获取作为训练样本的样本图数据以及对应的第一节点；确定针对所述第一节点的样本节点选择方式，其中，所述样本图数据包括多个样本节点以及多个样本节点之间的关联关系，所述多个样本节点包括第一节点以及第二节点；根据所述样本节点选择方式，从样本图数据中确定所述第一节点与第二节点之间的关联关系，所述第二节点是指所述样本节点中用于处理所述第一节点的其它节点；基于确定的关联关系，对第二节点的信息进行聚合，并更新第一节点的信息，以用于图神经网络模型的训练过程。

本申请实施例还提供一种存储有计算机程序的计算机可读存储介质，计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器实现上述方法中的步骤。