[发明专利]一种提取图数据的全局信息的方法、系统、设备及介质

说明书

本发明涉及一种提取图数据的全局信息的方法、系统、设备及介质，其方法包括：首先，获取样本数据集和待分析图数据；其次，在预先构建的图注意力网络中，引入中心损失函数、一阶边预测损失函数以及重建损失函数，结合交叉熵损失函数构建联合损失函数；接着，基于预先构建的图注意力网络，构建自编码器；再者，依据所述样本数据集、所述联合损失函数以及自编码器对所述图注意力网络进行训练，直至满足预设条件停止训练，输出全局信息网络；最后，将所述待分析图数据输入至所述全局信息网络中，通过所述联合损失函数获得全局信息。本发明可以更多保留数据集的分布信息、结构信息以及特征信息，并依据这三类信息更加全面的描述全局信息。

技术领域

本发明涉及图数据技术领域，尤其涉及一种提取图数据的全局信息 的方法、系统、设备及介质。

背景技术

近年来，图神经网络作为一种图数据的分析技术，受到广泛的关注。 在图上的节点分类、边预测、图分类等任务上已取得优异的成果，效果 均达到了一流水平。目前神经网络的研究主要关注网络结构本身，同时 在整个基础上引入一些其他邻域高效的机制，比如注意力机制、门机制 等。

当前图神经网络模型的特征传播阶段，充分利用了图的局部结构和 节点的特征，但缺少了对图全局信息的使用。由于图数据的全局信息过 于抽象，缺乏简单高效的方式可以直接度量图的全局信息。目前大部分 方法在训练时并没有对全局信息作一个约束，如何能够设计出高效的全 局信息度量方式，并在训练过程中成功引入图的全局信息，是现有研究 所亟需的。

发明内容

(一)要解决的技术问题

鉴于现有技术的上述缺点、不足，本发明提供一种提取图数据的全 局信息的方法、系统、设备及介质，其解决了现有研究对图的全局信息 缺乏高效且精确度量方式的技术问题。

(二)技术方案

为了达到上述目的，本发明采用的主要技术方案包括：

第一方面，本发明实施例提供一种提取图数据的全局信息的方法， 包括：

获取样本数据集和待分析图数据；

在预先构建的图注意力网络中，引入中心损失函数、一阶边预测损 失函数以及重建损失函数，结合交叉熵损失函数构建联合损失函数；

基于预先构建的图注意力网络，构建自编码器；

依据所述样本数据集、联合损失函数以及自编码器对所述图注意力 网络进行训练，直至满足预设条件停止训练，输出全局信息网络；

将所述待分析图数据输入至所述全局信息网络中，通过所述自编码 器的特征提取和所述联合损失函数的约束下获得全局信息。

可选地，

引入所述中心损失函数，用于最小化输入的图数据特征与对应分类 中心之间的距离；所述中心损失函数为：

其中，N表示训练样本的数量，h_i是样本i的深度特征，C_yi表示样 本i对应类别的中心特征；

引入所述一阶边预测损失函数，用于保留输入的图数据的边信息； 所述一阶边预测损失函数为：

其中，P⁽¹⁾(v_i,v_j)为边存在概率，v_i和v_j分别代表节点i和j，h_i和h_j表示节点i和j映射后的特征向量，T为矩阵的转置操作；

引入所述重建损失函数，用于最小化图数据的输入和所述自编码器 的输出之前的重建损失；所述重建损失函数为：