[发明专利]图神经网络生成方法、装置、系统、介质以及电子设备

说明书

本公开涉及一种图神经网络生成方法、装置、系统、介质以及电子设备，所述方法包括：获取子图结构，所述子图结构用于反映对应的子图的图谱结构，所述子图包括多个节点和多个节点之间的边；基于所述子图结构，根据预设优先级从多个内存中获取多个所述节点的节点特征和所述边的边特征；所述预设优先级是将多个所述内存按照内存大小从小到大排序得到的；基于所述子图结构对多个所述节点的所述节点特征和所述边的所述边特征进行融合，得到子图数据；基于所述子图数据对图神经网络进行训练，本公开的图神经网络生成方法可以提升图神经网络训练的效率。

技术领域

本公开涉及人工智能技术领域，具体地，涉及一种图神经网络生成方法、装置、系统、介质以及电子设备。

背景技术

近年来，图神经网络在各个领域得到了越来越广泛的应用，例如，计算机视觉、自然语言处理等领域。示例地，图神经网络可以应用于文本情感分析、问答系统等。图神经网络是一种直接作用于图的神经网络，图由节点和边两部分组成。

对于大规模图(例如，具备上亿节点的图)，由于其结构复杂，传统的机器学习架构不适用于图神经网络的训练，因此，如何更高效地训练图神经网络网络成为亟需解决的问题。

发明内容

提供该部分内容以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种图神经网络生成方法，所述方法包括：

获取子图结构，所述子图结构用于反映对应的子图的图谱结构，所述子图包括多个节点和多个节点之间的边；

基于所述子图结构，根据预设优先级从多个内存中获取多个所述节点的节点特征和所述边的边特征；所述预设优先级是将多个所述内存按照内存大小从小到大排序得到的；

基于所述子图结构对多个所述节点的所述节点特征和所述边的所述边特征进行融合，得到子图数据；

基于所述子图数据对图神经网络进行训练。

第二方面，本公开提供一种图神经网络生成装置，所述装置包括：

第一获取模块，被配置为获取子图结构，所述子图结构用于反映对应的子图的图谱结构，所述子图包括多个节点和多个节点之间的边；

第二获取模块，被配置为基于所述子图结构，根据预设优先级从多个内存中获取多个所述节点的节点特征和所述边的边特征；所述预设优先级是将多个所述内存按照内存大小从小到大排序得到的；

融合模块，被配置为基于所述子图结构对多个所述节点的所述节点特征和所述边的所述边特征进行融合，得到子图数据；

训练模块，被配置为基于所述子图数据对图神经网络进行训练。

第三方面，本公开提供一种图神经网络生成系统，所述系统包括：图切分装置和多个模型训练装置，所述图切分装置用于得到多个子图结构并将多个所述子图结构加载至第二图存储服务器内存中；多个所述模型训练装置中的每个用于对图神经网络进行训练。

第四方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面所述方法的步骤。

第五方面，本公开提供一种电子设备，包括：

存储装置，其上存储有一个或多个计算机程序；

一个或多个处理装置，用于执行所述存储装置中的所述一个或多个计算机程序，以实现第一方面所述方法的步骤。