[发明专利]一种基于深度图神经网络的路由方法及相关设备

权利要求书

1.一种基于深度图神经网络的路由方法，其特征在于，所述方法包括：

获取目标数据包，提取所述目标数据包对应的目标拓扑特征向量，所述目标拓扑特征向量为所述目标数据包的目的节点对应的拓扑特征向量；

将所述目标拓扑特征向量与自身拓扑特征向量进行比较，若相同，则拆除所述目标数据包的包头并获取所述目标数据包中的目标数据，若不同，则根据所述目标拓扑特征向量与各邻居节点的拓扑特征向量确定与所述目标拓扑特征向量的匹配度最高的目标邻居节点；

将所述目标数据包发送至所述目标邻居节点。

2.根据权利要求1所述的基于深度图神经网络的路由方法，其特征在于，所述获取目标数据包之前，还包括：

获取本地节点标识以及本地拓扑特征向量；

向注册服务器发送注册拓扑特征向量请求信息，所述请求信息包括本地节点标识以及本地拓扑特征向量，以在所述注册服务器的映射表中添加新的映射，所述注册服务器用于存储映射表，为各节点提供节点查询服务。

3.根据权利要求2所述的基于深度图神经网络的路由方法，其特征在于，所述获取本地拓扑特征向量，包括：

获取本地度，所述本地度为本地节点的邻居节点的数量；

获取各邻居节点的度，所述邻居节点的度为邻居节点的邻居节点数量；

根据所述本地度和各所述邻居节点的度生成本地初始特征向量；

将获取到的所述本地初始特征向量以及各邻居节点的初始特征向量输入至目标图神经网络，得到本地拓扑特征向量。

4.根据权利要求3所述的基于深度图神经网络的路由方法，其特征在于，所述根据所述本地度和各所述邻居节点的度生成本地初始特征向量，包括：

提取各所述邻居节点的度中的最小值、最大值、平均值、标准差以及本地度生成所述本地初始特征向量。

5.根据权利要求3所述的基于深度图神经网络的路由方法，其特征在于，所述将获取到的所述本地初始特征向量以及各邻居节点的初始特征向量输入至目标图神经网络，得到本地拓扑特征向量，包括：

所述目标图神经网络分为L层，第l层的输入为本地的第l层隐藏状态和各邻居节点第l层的隐藏状态的集合，第l层的输出为本地的第l+1层隐藏状态，其中，本地的初始隐藏状态为所述初始特征向量。

6.根据权利要求5所述的基于深度图神经网络的路由方法，其特征在于，所述本地的初始隐藏状态的公式为：

h₀[u]＝{deg(u)，min(D[u])，max(D[v])，mean(D[v])，std(D[v])}.

其中，deg(v)为本地度，min(D[v])、max(D[v])、mean(D[v])和std(D[v])分别为各邻居度中的最小值、最大值、平均值和标准差；

所述本地的第l+1层隐藏状态的处理公式为：

h_l+1[v]＝f_l(h_l[v]，H_l[v])；

其中，h_l[v]为第l层本地隐藏状态，H_l[v]为各邻居节点第l层的隐藏状态的集合。

7.根据权利要求1所述的基于深度图神经网络的路由方法，其特征在于，所述获取目标数据包，提取所述目标数据包对应的目标拓扑特征向量，包括：

查看所述目标数据包包头中是否含有目标拓扑特征向量；

若有，则直接提取所述目标数据包包头中的所述目标拓扑特征向量；

若没有，则提取所述目标数据包包头中的目标节点标识，将所述目标节点标识发送至所述注册服务器，以获取所述目标节点标识对应的所述目标拓扑特征向量。