一种面向图神经网络的可视化管理系统技术方案

本发明专利技术提供一种面向图神经网络的可视化管理系统，包括图数据集分析及可视化模块、模型结构搭建及训练模块、日志管理模块和参数调优模块。通过规范图数据集的存储标准，并利用可视化库对图数据集进行可视化展示，对比图数据集差异。通过组件化构建图神经网络模型实现灵活调用、自定义、训练和分享，简化开发步骤。通过记录对图神经网络模型的操作，记载训练后的模型参数并建立日志，通过日志进行规范化存储，并进行可视化地对比分析，在此基础上对模型进行参数调优并记录结果，随时调用优化后的模型参数。构建应用程序编程接口连接各模块，根据用户需求随时调用展示图数据集以及优化后图神经网络模型，实施训练任务或模型评估，提高了开发效率。提高了开发效率。提高了开发效率。

【技术实现步骤摘要】
一种面向图神经网络的可视化管理系统


[0001]本专利技术涉及图神经网络
，尤其涉及一种面向图神经网络的可视化管理系统。

技术介绍

[0002]在现阶段的科研工作中存在大量的图结构数据，如：社交网络、交通网络、犯罪集团组织、蛋白质网络等，图数据更加贴近现实场景中网络拓扑结构关系，蕴含了更加丰富的信息。近年来，图神经网络(GNN)模型快速发展，其能够综合挖掘图数据的拓扑结构信息与节点自身属性信息，已经在金融反欺诈，社交网络，用户推荐，生物医药等多个领域有很多成功的应用实例。
[0003]图神经网络模型的训练过程一般为加载图结构数据集、构建图神经网络模型、图神经网络模型的训练、图神经网络模型日志的训练与分析调整图神经网络的参数从而训练出针对某个数据集最优图神经网络模型。现有技术缺少能够进行持久化存储和管理的方案，因此，亟需一种能够有效存储图数据以及管理图神经网络模型的管理系统，简化训练和评估流程。

技术实现思路

[0004]本专利技术实施例提供了一种面向图神经网络的可视化管理系统，以消除或改善现有技术中存在的一个或更多个缺陷，解决现有技术中无法高效管理图数据集并调用图神经网络进行训练分析的问题。
[0005]本专利技术的技术方案如下：
[0006]一方面，本专利技术提供一种面向图神经网络的可视化管理系统，包括：
[0007]图数据集分析及可视化模块，用于获取用户上传的一个或多个图数据集并按照设定存储标准进行存储，生成图数据集信息表以及基于预设可视化库对各图数据集进行可视化展示；
[0008]模型结构搭建及训练模块，包括层内模块、层间模块和模型参数模块，用于组块化构建一种或多种图神经网络模型，以及调用指定的图数据集对指定的图神经网络模型进行训练并生成模型信息表；
[0009]日志管理模块，用于记载各图神经网络模型的上传、修改、删除、训练和调用日志，各日志记载相应操作后图神经网络模型的参数值，根据各日志生成日志信息表进行管理和可视化分析；
[0010]参数调优模块，用于对各图神经网络模型进行参数调优并生成调优信息表；
[0011]所述图数据集分析及可视化模块、所述模型结构搭建及训练模块、所述日志管理模块以及所述参数调优模块之间通过应用程序编程接口连接。
[0012]在一些实施例中，所述图数据集分析及可视化模块将各图数据集按照设定比例划分为训练集、测试集和验证集。
[0013]在一些实施例中，所述图数据集分析及可视化模块，还用于：采用NetworkX和DGL提取各图数据集的图结构特征信息并保存在MongoDB数据库。
[0014]在一些实施例中，所述图数据集分析及可视化模块，还用于：采用Echarts将各图数据集的图结构特征信息通过表格、节点度分布线状图和/或图部分节点连接力状图进行可视化展示。
[0015]在一些实施例中，所述图数据集分析及可视化模块，还用于：获取各图数据集的图结构特征信息对应表格、节点度分布线状图和/或图部分节点连接力状图的差异部分，并进行高亮显示。
[0016]在一些实施例中，所述模型结构搭建及训练模块用于对各图神经网络模型进行组件化管理，至少记录每个图神经网络的模型名称、与各图神经网络相关的图数据集、各图神经网络包含的模块信息、各图神经网络的参数和各图神经网络的训练结果指标；
[0017]其中，所述模块信息包括组成每个图神经网络的一个或多个子模块信息、各子模块之间的关联结构以及各子模块的默认值和参数范围。
[0018]在一些实施例中，所述模型结构搭建及训练模块，还用于：
[0019]接收用户对第一指定图神经网络模型的参数设置请求，并将所述用户的预设参数通过Json共享文件进行存储和调用，以在所述预设参数的基础上对所述第一指定图神经网络模型进行训练。
[0020]在一些实施例中，所述日志管理模块，还用于：
[0021]获取用户针对第二指定图神经网络模型选择的一个或多个待分析参数项；
[0022]通过查找所述日志信息表和调优信息表，基于控制变量的方式查找所述第二指定图神经网络模型中各待分析参数项不一致而其余参数项一致的训练批次，获取相应训练批次的模型训练效果，以比对评价各待分析参数项对所述第二指定图神经网络模型训练效果的影响关系。
[0023]在一些实施例中，所述日志管理模块，还用于：
[0024]查询所述日志信息表以拆分每个日志中各参数默认参数值在数据库中的键值对信息；若所述日志中存在模型参数缺失，则根据相应的键值对信息调用默认参数值填入补齐，并更新日志；
[0025]以及，对所述日志信息表按照设定规则进行调优并可视化。
[0026]在一些实施例中，所述参数调优模块，还用于：根据所述调优信息表生成调优目标曲线进行可视化呈现。
[0027]本专利技术的有益效果至少是：
[0028]本专利技术所述面向图神经网络的可视化管理系统，通过图数据集分析及可视化模块规范图数据集的存储标准，并利用可视化库对图数据集进行可视化展示，对比图数据集差异。通过模型结构搭建及训练模块组件化构建图神经网络模型实现灵活调用、自定义、训练和分享，简化开发步骤通过日志管理模块记录对图神经网络模型的操作，记载训练后的模型参数并建立日志，通过日志进行规范化存储，并进行可视化地对比分析，在此基础上对模型进行参数调优并记录结果，随时调用优化后的模型参数。构建应用程序编程接口连接各模块，根据用户需求随时调用展示图数据集以及优化后图神经网络模型，实施训练任务或模型评估，提高了开发效率。
[0029]本专利技术的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本专利技术的实践而获知。本专利技术的目的和其它优点可以通过在书面说明及其权利要求书以及附图中具体指出的结构实现到并获得。
[0030]本领域技术人员将会理解的是，能够用本专利技术实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本专利技术能够实现的上述和其他目的。
附图说明
[0031]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，并不构成对本专利技术的限定。在附图中：
[0032]图1为本专利技术一实施例所述面向图神经网络的可视化管理系统的结构示意图。
[0033]图2为本专利技术一实施例所述面向图神经网络的可视化管理系统的系统架构图。
[0034]图3为本专利技术一实施例所述面向图神经网络的可视化管理系统的系统技术流程图。
[0035]图4为本专利技术一实施例所述面向图神经网络的可视化管理系统中日志上传流程图。
[0036]图5为本专利技术一实施例所述面向图神经网络的可视化管理系统中日志管理模块的使用流程图。
[0037]图6为本专利技术一实施例所述面向图神经网络的可视化管理系统中参数调优模块的参数调优流程图。
具体实施方式
[0038]为使本专利技术的目的、技术方案和优点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向图神经网络的可视化管理系统，其特征在于，包括：图数据集分析及可视化模块，用于获取用户上传的一个或多个图数据集并按照设定存储标准进行存储，生成图数据集信息表以及基于预设可视化库对各图数据集进行可视化展示；模型结构搭建及训练模块，包括层内模块、层间模块和模型参数模块，用于组块化构建一种或多种图神经网络模型，以及调用指定的图数据集对指定的图神经网络模型进行训练并生成模型信息表；日志管理模块，用于记载各图神经网络模型的上传、修改、删除、训练和调用日志，各日志记载相应操作后图神经网络模型的参数值，根据各日志生成日志信息表进行管理和可视化分析；参数调优模块，用于对各图神经网络模型进行参数调优并生成调优信息表；所述图数据集分析及可视化模块、所述模型结构搭建及训练模块、所述日志管理模块以及所述参数调优模块之间通过应用程序编程接口连接。2.根据权利要求1所述的面向图神经网络的可视化管理系统，其特征在于，所述图数据集分析及可视化模块将各图数据集按照设定比例划分为训练集、测试集和验证集。3.根据权利要求1所述的面向图神经网络的可视化管理系统，其特征在于，所述图数据集分析及可视化模块，还用于：采用NetworkX和DGL提取各图数据集的图结构特征信息并保存在MongoDB数据库。4.根据权利要求3所述的面向图神经网络的可视化管理系统，其特征在于，所述图数据集分析及可视化模块，还用于：采用Echarts将各图数据集的图结构特征信息通过表格、节点度分布线状图和/或图部分节点连接力状图进行可视化展示。5.根据权利要求4所述的面向图神经网络的可视化管理系统，其特征在于，所述图数据集分析及可视化模块，还用于：获取各图数据集的图结构特征信息对应表格、节点度分布线状图和/或图部分节点连接力状图的差异部分，并进行高亮显示。6.根据权...

【专利技术属性】
技术研发人员：邵蓥侠，王海江，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：