[发明专利]一种图神经网络数据采样方法、装置、设备及存储介质

权利要求书

1.一种图神经网络数据采样方法，其特征在于，包括：

通过图聚类算法对原图数据集的各顶点进行聚类，生成目标图数据集；

在所述目标图数据集的每个聚类中确定训练顶点，根据每个聚类中每个训练顶点的聚类类别对所有训练顶点进行排序，得到训练顶点集合；

通过采样进程按照预定顺序从所述训练顶点集合中获取目标训练顶点，并采集所述目标训练顶点的邻域顶点；

根据所述目标训练顶点和所述邻域顶点生成本批次的训练数据，并将所述训练数据发送至对应的图形处理器。

2.根据权利要求1所述的图神经网络数据采样方法，其特征在于，在所述目标图数据集的每个聚类中确定训练顶点，包括：

记录所述原图数据集中各顶点与所述目标图数据集中各顶点的对应关系，生成顶点映射表；

根据所述原图数据集中各顶点的顶点类型以及所述顶点映射表，从所述目标图数据集的每个聚类中确定训练顶点。

3.根据权利要求1所述的图神经网络数据采样方法，其特征在于，所述根据每个聚类中每个训练顶点的聚类类别对所有训练顶点进行排序，得到训练顶点集合，包括：

根据每个聚类中每个训练顶点的聚类类别号的从小到大的顺序，对所有训练顶点进行排序得到顶点排序表；其中，所述顶点排序表中属于同一聚类的训练顶点的排序相邻；

在每次获取训练数据之前，对所述顶点排序表执行全局打乱操作和/或局部打乱操作，得到训练顶点集合；其中，所述全局打乱操作为随机打乱所述顶点排序表中各个聚类的排序，所述局部打乱操作为随机打乱所述顶点排序表中每个聚类内各个训练顶点的排序。

4.根据权利要求1至3中任意一项所述的图神经网络数据采样方法，其特征在于，所述通过采样进程按照预定顺序从所述训练顶点集合中获取目标训练顶点，包括：

通过预定数量个采样进程，按照预定顺序从所述训练顶点集合中获取同一聚类内的目标训练顶点。

5.一种图神经网络数据采样装置，其特征在于，包括：

聚类模块，用于通过图聚类算法对原图数据集的各顶点进行聚类，生成目标图数据集；

确定模块，用于在所述目标图数据集的每个聚类中确定训练顶点；

排序模块，用于根据每个聚类中每个训练顶点的聚类类别对所有训练顶点进行排序，得到训练顶点集合；

采样模块，用于通过采样进程按照预定顺序从所述训练顶点集合中获取目标训练顶点；

采集模块，用于采集所述目标训练顶点的邻域顶点；

发送模块，用于根据所述目标训练顶点和所述邻域顶点生成本批次的训练数据，并将所述训练数据发送至对应的图形处理器。

6.根据权利要求5所述的图神经网络数据采样装置，其特征在于，所述确定模块包括：

记录单元，用于记录所述原图数据集中各顶点与所述目标图数据集中各顶点的对应关系，生成顶点映射表；

确定单元，用于根据所述原图数据集中各顶点的顶点类型以及所述顶点映射表，从所述目标图数据集的每个聚类中确定训练顶点。

7.根据权利要求5所述的图神经网络数据采样装置，其特征在于，所述排序模块，包括：

排序单元，用于根据每个聚类中每个训练顶点的聚类类别号的从小到大的顺序，对所有训练顶点进行排序得到顶点排序表；其中，所述顶点排序表中属于同一聚类的训练顶点的排序相邻；

操作单元，用于在每次获取训练数据之前，对所述顶点排序表执行全局打乱操作和/或局部打乱操作，得到训练顶点集合；其中，所述全局打乱操作为随机打乱所述顶点排序表中各个聚类的排序，所述局部打乱操作为随机打乱所述顶点排序表中每个聚类内各个训练顶点的排序。

8.根据权利要求5至7中任意一项所述的图神经网络数据采样装置，其特征在于，所述采样模块具体用于：通过预定数量个采样进程，按照预定顺序从所述训练顶点集合中获取同一聚类内的目标训练顶点。