[发明专利]面向图数据的挖掘方法、装置、电子设备及可读存储介质

权利要求书

1.一种面向图数据的挖掘方法，其特征在于，所述方法包括：

将图结构原始数据集输入简化图卷积神经网络，以输出待标注数据子集；

其中，所述简化图卷积神经网络用于执行以下步骤：

对所述图结构原始数据集进行预处理，得到特征融合后的图结构数据；

计算所述图结构数据中每个图节点的中心度指标；

对所述图结构数据中的所有图节点进行聚类，得到多个聚类簇，并计算每个图节点在所属聚类簇中的代表性指标；

计算所述图结构数据中每个图节点的信息熵指标；

根据所述中心度指标、所述代表性指标和所述信息熵指标，得到每个图节点的价值得分；

将所述价值得分最高的n个图节点作为所述待标注数据子集。

2.根据权利要求1所述的方法，其特征在于，对所述图结构原始数据集进行预处理，得到特征融合后的图结构数据，包括：

对所述图结构原始数据集进行预处理，得到图结构数据的特征矩阵、度矩阵和邻接矩阵；

针对所述图结构数据中的任一图节点，根据该图节点的K跳近邻内的所有图节点的所述特征矩阵、所述度矩阵和所述邻接矩阵进行特征融合，得到特征融合后的图结构数据。

3.根据权利要求1所述的方法，其特征在于，计算所述图结构数据中每个图节点的中心度指标，包括：

根据以下公式，计算所述图结构数据中每个图节点的中心度指标：

其中：V_i表示所述图结构数据中的第i个图节点；表示V_i节点的中心度指标；V_j表示所述图结构数据中的第j个图节点；表示所述第j个图节点的中心度指标；∑_kA_jk表示所述第j个图节点的度；A_ij表示0或1，当V_i图节点和V_j图节点无连接关系时，A_ij取0，当V_i图节点和V_j图节点有连接关系时，A_ij取1；ρ为坍塌因子；N为所述图结构数据中所有图节点的个数。

4.根据权利要求1所述的方法，其特征在于，计算每个图节点在所属聚类簇中的代表性指标，包括：

根据以下公式，计算每个图节点在所属聚类簇中的代表性指标：

其中：V_i表示所述图结构数据中的第i个图节点；表示V_i图节点的在所属聚类簇中的代表性指标；表示的是V_i图节点所属聚类簇中的中心节点；是V_i图节点在所属聚类簇中的向量表示；表示和之间的欧氏距离。

5.根据权利要求1所述的方法，其特征在于，根据所述中心度指标、所述代表性指标和所述信息熵指标，得到每个图节点的价值得分，包括：

基于贝塔分布，进行时间敏感性系数的采样，得到所述中心度指标的第一采样权重、所述代表性指标的第二采样权重和所述信息熵指标的第三采样权重；其中，所述中心度指标的第一采样权重随时间推移而减小，所述代表性指标的第二采样权重和所述信息熵指标的第三采样权重随随时间推移而增大；

将所述第一采样权重、所述第二采样权重和所述第三采样权重进行归一化，对应得到所述中心度指标的第一实际计算权重、所述代表性指标的第二实际计算权重和所述信息熵指标的第三实际计算权重；

根据所述中心度指标与所述第一实际计算权重的第一乘积、所述代表性指标与所述第二实际计算权重的第二乘积以及所述信息熵指标与所述第三实际计算权重的第三乘积之间的和，得到每个图节点的价值得分。