[发明专利]图神经网络的训练方法、装置、电子设备及可读存储介质

权利要求书

1.一种图神经网络的训练方法，其特征在于，包括：

根据初始对象所处的网络节点，获取所述网络节点对应的节点名称、节点类型、及所述网络节点为所述初始对象分配的对象类型；

根据所述初始对象、所述节点名称、所述节点类型和所述对象类型，生成所述初始对象对应的图结构样本；所述初始对象对应于一个初始对象标签；

将所述图结构样本输入至初始图神经网络，并获取由所述初始图神经网络输出的所述初始对象对应的预测对象标签；

基于所述初始对象标签和所述预测对象标签，计算所述初始图神经网络的损失值；

在所述损失值处于预设范围内的情况下，将训练后的初始图神经网络作为目标图神经网络。

2.根据权利要求1所述的方法，其特征在于，所述根据所述初始对象、所述节点名称、所述节点类型和所述对象类型，生成所述初始对象对应的图结构样本，包括：

以所述初始对象、所述节点名称、所述节点类型和所述对象类型作为图节点；

将具有关联关系的图节点相连接，生成所述初始对象对应的图结构样本。

3.根据权利要求1所述的方法，其特征在于，在所述将训练后的初始图神经网络作为目标图神经网络之后，还包括：

获取待识别的目标对象；

根据所述目标对象所处的目标网络节点，获取所述目标网络节点对应的目标节点名称、目标节点类型、及所述目标网络节点为所述目标对象分配的目标对象类型；

根据所述目标对象、所述目标节点名称、所述目标节点类型和所述目标对象类型，生成目标结构图；

将所述目标结构图输入至所述目标图神经网络，并获取由所述目标图神经网络输出的所述目标对象的目标对象标签。

4.根据权利要求3所述的方法，其特征在于，所述根据所述目标对象、所述目标节点名称、所述目标节点类型和所述目标对象类型，生成目标结构图，包括：

以所述目标对象、所述目标节点名称、所述目标节点类型和所述目标对象类型作为目标图节点；

将所述目标对象分别与所述所述目标节点名称、所述目标节点类型和所述目标对象类型相连接，生成所述目标结构图。

5.一种图神经网络的训练装置，其特征在于，包括：

节点名称类型获取模块，用于根据初始对象所处的网络节点，获取所述网络节点对应的节点名称、节点类型、及所述网络节点为所述初始对象分配的对象类型；

图结构样本生成模块，用于根据所述初始对象、所述节点名称、所述节点类型和所述对象类型，生成所述初始对象对应的图结构样本；所述初始对象对应于一个初始对象标签；

预测对象标签获取模块，用于将所述图结构样本输入至初始图神经网络，并获取由所述初始图神经网络输出的所述初始对象对应的预测对象标签；

损失值计算模块，用于基于所述初始对象标签和所述预测对象标签，计算所述初始图神经网络的损失值；

目标图网络获取模块，用于在所述损失值处于预设范围内的情况下，将训练后的初始图神经网络作为目标图神经网络。

6.根据权利要求5所述的装置，其特征在于，所述图结构样本生成模块包括：

图节点获取单元，用于以所述初始对象、所述节点名称、所述节点类型和所述对象类型作为图节点；

图样本生成单元，用于将具有关联关系的图节点相连接，生成所述初始对象对应的图结构样本。

7.根据权利要求5所述的装置，其特征在于，还包括：

目标对象获取模块，用于获取待识别的目标对象；

目标类型获取模块，用于根据所述目标对象所处的目标网络节点，获取所述目标网络节点对应的目标节点名称、目标节点类型、及所述目标网络节点为所述目标对象分配的目标对象类型；

目标结构图生成模块，用于根据所述目标对象、所述目标节点名称、所述目标节点类型和所述目标对象类型，生成目标结构图；

目标对象标签获取模块，用于将所述目标结构图输入至所述目标图神经网络，并获取由所述目标图神经网络输出的所述目标对象的目标对象标签。