[发明专利]一种基于图结构特征时序编码的节点分类方法

权利要求书

1.一种基于图结构特征时序编码的节点分类方法，其特征在于，所述方法包括：

S1：在待分类的图中进行节点序列采样，得到每个节点的节点序列；

S2：搭建编码器模块，对所述每个节点的节点序列进行编码，得到所述节点序列的特征，将所述节点序列的特征作为每个序列头节点的特征；

S3：根据所述每个序列头节点的特征，采用分类器对相邻节点的特征进行聚合，完成基于图结构特征时序编码的节点分类。

2.根据权利要求1所述的一种基于图结构特征时序编码的节点分类方法，其特征在于，所述节点序列采样具体为：使用可训练的节点结构特征X作为初始节点特征，然后通过随机游走方法采集得到所述每个节点的节点序列。

3.根据权利要求1所述的一种基于图结构特征时序编码的节点分类方法，其特征在于，所述编码器模块采用时序模型搭建。

4.根据权利要求1所述的一种基于图结构特征时序编码的节点分类方法，其特征在于，所述节点序列的特征为H⁽⁰⁾，

H⁽⁰⁾＝{h₀,h₁,...,h_n}。

5.根据权利要求1所述的一种基于图结构特征时序编码的节点分类方法，其特征在于，所述分类器为图卷积神经网络GCN模型。

6.根据权利要求1所述的一种基于图结构特征时序编码的节点分类方法，其特征在于，所述对相邻节点的特征进行聚合具体为：将所述节点序列的特征H⁽⁰⁾与图的邻接矩阵A输入到所述GCN模型，得到聚合特征H^(l)，

其中H⁽⁰⁾∈R^n*d为编码器输出后的节点Embedding；为加上自连接的邻接矩阵；D是/的度矩阵；/为权重矩阵。

7.根据权利要求6所述的一种基于图结构特征时序编码的节点分类方法，其特征在于，所述聚合特征H^(l)经过函数归一化，得到每个节点的分类概率p,

p＝Soft max(h_i^(l))

其中p_i代表了节点v_i属于每一类的可能性。

8.一种计算机设备，其特征在于：包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行根据权利要求1-6中任意一项中所述的一种基于图结构特征时序编码的节点分类方法。

9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行权利要求1-6中任意一项中所述的一种基于图结构特征时序编码的节点分类方法。

10.一种基于图结构特征时序编码的节点分类装置，其特征在于，所述装置包括：

节点序列采样单元：用于对待分类的图进行节点序列采样，得到每个节点的节点序列；

编码单元：用于搭建编码器模块，对所述每个节点的节点序列进行编码，得到所述节点序列的特征，将所述节点序列的特征作为每个序列头节点的特征；

聚合单元：根据所述每个序列头节点的特征，采用分类器对相邻节点的特征进行聚合。