图数据处理方法、装置和计算机设备制造方法及图纸

本说明书实施例公开了一种图数据处理方法、装置和计算机设备。所述方法应用于分布式系统中的第一节点设备，所述第一节点设备与图数据中的目标节点相匹配，所述方法包括：接收目标节点所对应邻居节点的特征信息；利用图模型的中间层，根据邻居节点的特征信息对目标节点的特征信息进行更新；根据目标节点的出边，发送目标节点更新后的特征信息；迭代执行以上步骤，直至满足设定条件；利用图模型的输出层，对更新后的特征信息进行处理，得到目标节点的预测结果。本说明书实施例可以提高图数据的预测效率。测效率。测效率。

【技术实现步骤摘要】
图数据处理方法、装置和计算机设备


[0001]本说明书实施例涉及人工智能
，特别涉及一种图数据处理方法、装置和计算机设备。

技术介绍

[0002]图数据是一种数据结构，旨在描述真实世界中存在的各种实体及其关系。
[0003]近年来，由于图数据的强大表现力，基于图数据的预测越来越受到重视，在问题回答、信息检索、商品推荐等场景获得了广泛应用。因此，有必要提高图数据的预测效率。

技术实现思路

[0004]本说明书实施例提供一种图数据处理方法、装置和计算机设备，以提高图数据的预测效率。本说明书实施例的技术方案如下。
[0005]本说明书实施例的第一方面，提供了一种图数据处理方法，应用于分布式系统中的第一节点设备，所述第一节点设备与图数据中的目标节点相匹配，所述方法包括：
[0006]接收目标节点所对应邻居节点的特征信息；
[0007]利用图模型的中间层，根据邻居节点的特征信息对目标节点的特征信息进行更新；
[0008]根据目标节点的出边，发送目标节点更新后的特征信息；
[0009]迭代执行以上步骤，直至满足设定条件；
[0010]利用图模型的输出层，对更新后的特征信息进行处理，得到目标节点的预测结果。
[0011]本说明书实施例的第二方面，提供了一种图数据处理装置，应用于分布式系统中的第一节点设备，所述第一节点设备与图数据中的目标节点相匹配，所述装置包括：
[0012]迭代单元，用于迭代执行以下步骤直至满足设定条件：接收目标节点所对应邻居节点的特征信息；利用图模型的中间层，根据邻居节点的特征信息对目标节点的特征信息进行更新；根据目标节点的出边，发送目标节点更新后的特征信息；
[0013]预测单元，用于利用图模型的输出层，对更新后的特征信息进行处理，得到目标节点的预测结果。
[0014]本说明书实施例的第三方面，提供了一种计算机设备，包括：
[0015]至少一个处理器；
[0016]存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如第一方面所述方法的指令。
[0017]本说明书实施例提供的技术方案，第一节点设备可以接收邻居节点的特征信息；可以利用图模型的中间层，根据邻居节点的特征信息对目标节点的特征信息进行更新；可以发送目标节点更新后的特征信息；在迭代结束后，可以利用图模型的输出层，对更新后的特征信息进行处理，得到目标节点的预测结果。这样第一节点设备可以通过目标节点接收特征信息和发送特征信息，实现对目标节点的特征信息进行更新，从而获得了目标节点的
预测结果。
[0018]第一节点设备通过目标节点与其他节点设备进行通信，以对目标节点进行预测。从而能够避免根据子图数据对目标节点进行预测时的冗余计算，降低了时间开销，提高了预测效率。
附图说明
[0019]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0020]图1为本说明书实施例的相关技术中图数据的示意图；
[0021]图2为本说明书实施例的相关技术中节点A的子图数据的示意图；
[0022]图3为本说明书实施例的相关技术中节点F的子图数据的示意图；
[0023]图4为本说明书实施例中图数据处理方法的流程图；
[0024]图5为本说明书实施例中特征信息发送示意图；
[0025]图6为本说明书实施例中特征信息发送示意图；
[0026]图7为本说明书实施例中特征信息发送示意图；
[0027]图8为本说明书实施例中图模型的训练过程示意图；
[0028]图9为本说明书中图数据处理装置的功能结构示意图。
具体实施方式
[0029]下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本公开，而非对本公开的限定。基于所描述的本公开的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本公开保护的范围。另外，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
[0030]在真实世界中，存在各种实体(如公司、城市、用户、设备、商品、用户社交账户、图像、文本或音频数据等)。所述实体可以来自包括但不限于金融行业、保险行业、互联网行业、汽车行业、餐饮行业、电信行业、能源行业、娱乐行业、体育行业、物流行业、医疗行业、安全行业等。可以基于实体以及实体之间的关系构造图数据。所述图数据可以包括节点和边。所述节点用于表示实体，所述边用于表示实体之间的关系。若节点和边连接，则表示节点对应的实体和边对应的实体关系连通。若节点和边不连接，则表示节点对应的实体和边对应的实体关系不连通。所述图数据可以包括有向图数据和无向图数据。所述有向图数据中的边具有方向，所述无向图数据中的边没有方向。在实际应用中，根据实体类型的不同，所述图数据可以包括社交图(节点表示用户，边表示用户关系)、设备网络图(节点表示网络设备，边表示通信关系)、转账图(节点表示用户账户，边表示资金流向关系)等。
[0031]所述图数据可以包括属性图数据。在所述属性图数据中，节点可以具有属性信息。
节点的属性信息可以包括节点所表示实体的属性信息。例如，节点表示的实体可以为用户，节点的属性信息可以包括用户的姓名、用户的出生日期等等。在所述属性图数据中，边也可以具有属性信息。边的属性信息可以包括边所表示关系的属性信息。例如，边表示的关系可以为用户之间的转账关系，边的属性信息可以包括转账金额、转账日期等等。
[0032]图模型可以包括图神经网络模型(Graph Neural Network，GNN)。当然，所述图模型还可以包括其他能够对图数据进行处理的模型。所述图模型可以包括多个中间层以及输出层。所述中间层用于确定节点和/或边的特征信息，所述输出层用于对节点的特征信息进行处理，得到节点的预测结果。需要说明的是，所述多个中间层的第1个中间层可以用作输入层。
[0033]所述特征信息可以包括属性信息。或者，所述特征信息还可以用于表示属性信息。例如，所述特征信息还可以包括属性信息的向量表示(Embedding)。含义相近的属性信息可以具有相似的向量表示。向量表示的相似程度可以通过向量表示之间的距离来表征。
[0034]分布式系统可以包括多个节点设备和控制设备。所述节点设备用于进行任务的处理，所述控制设备用于进行任务的分配和管理。分布式系统可以作为一个整体对外提供服务。
[0035]在批量预测场景本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图数据处理方法，应用于分布式系统中的第一节点设备，所述第一节点设备与图数据中的目标节点相匹配，所述方法包括：接收目标节点所对应邻居节点的特征信息；利用图模型的中间层，根据邻居节点的特征信息对目标节点的特征信息进行更新；根据目标节点的出边，发送目标节点更新后的特征信息；迭代执行以上步骤，直至满足设定条件；利用图模型的输出层，对更新后的特征信息进行处理，得到目标节点的预测结果。2.根据权利要求1所述的方法，所述目标节点包括根据分配规则分配给第一节点设备的节点，所述分配规则用于对图数据中的节点进行分配。3.根据权利要求1所述的方法，在接收特征信息的步骤中包括：接收分布式系统中第二节点设备发送的邻居节点的特征信息，所述第二节点设备与邻居节点相匹配，用于根据邻居节点的出边发送邻居节点的特征信息。4.根据权利要求1所述的方法，所述方法还包括：接收目标节点入边的特征信息；在对特征信息进行更新的步骤中包括：对邻居节点的特征信息以及目标节点入边的特征信息进行聚合，得到第一聚合特征信息；根据第一聚合特征信息，对目标节点的特征信息进行更新；根据目标节点更新后的特征信息，对目标节点出边的特征信息进行更新；在发送特征信息的步骤中包括：发送目标节点出边更新后的特征信息。5.根据权利要求1所述的方法，在对特征信息进行更新的步骤中包括：利用图模型的第L个中间层，对目标节点的特征信息进行更新，L为当前迭代次数；所述设定条件包括：迭代次数等于图模型的中间层数量。6.根据权利要求1所述的方法，在发送特征信息的步骤中包括：根据目标节点的出边，向第三节点设备发送目标节点更新后的特征信息；所述第三节点设备与目标节点的出边所指向的节点相匹配。7.根据权利要求1所述的方法，所述第一节点设备与多个目标节点相匹配；在发送特征信息的步骤中包括：检测所述多个目标节点是否具有指向同一...

【专利技术属性】
技术研发人员：张大龙，宋宪政，胡志洋，李杨，武潺，王琳，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：