图结构处理方法技术

本申请提供了一种图结构处理方法

【技术实现步骤摘要】
图结构处理方法、装置、电子设备、存储介质及程序产品


[0001]本申请涉及计算机
，尤其涉及一种图结构的处理方法
、
装置
、
电子设备
、
存储介质及程序产品
。

技术介绍

[0002]人工智能
(Artificial Intelligence
，
AI)
是利用数字计算机或者数字计算机控制的机器模拟
、
延伸和扩展人的智能，感知环境
、
获取知识并使用知识获得最佳结果的理论
、
方法
、
技术及应用系统
。
人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术
。
人工智能基础技术一般包括如传感器
、
专用人工智能芯片
、
云计算
、
分布式存储
、
大数据处理技术
、
操作
/
交互系统
、
机电一体化等技术
。
[0003]相关技术中，对于图结构的处理，通常是直接调用图神经网络，对目标图结构进行预测，得到预测结果，这样使得预测结果缺乏可解释性
。

技术实现思路

[0004]本申请实施例提供一种图结构的处理方法
、
装置
、
电子设备
、
计算机可读存储介质及计算机程序产品，能够有效提高图神经网络的预测结果的可解释性
。
[0005]本申请实施例的技术方案是这样实现的：
[0006]本申请实施例提供一种图结构的处理方法，包括：
[0007]获取图神经网络对目标图结构进行预测所得到的预测结果，并将所述目标图结构中与所述预测结果相对应的顶点确定为目标顶点；
[0008]基于所述目标顶点，对所述目标图结构进行子图划分，得到包括所述目标顶点的至少一个候选子图结构；
[0009]对各所述候选子图结构分别进行目标分值预测，得到各所述候选子图结构的目标分值，所述目标分值与目标概率正相关，所述目标概率为，调用所述图神经网络对所述候选子图结构进行预测，得到所述预测结果的概率；
[0010]将最大的所述目标分值对应的候选子图结构，确定为所述图神经网络的解释图结构，所述解释图结构，用于解释所述图神经网络对所述目标图结构进行预测，得到所述预测结果的原因
。
[0011]本申请实施例提供一种图结构的处理方法，包括：
[0012]获取图神经网络对推荐图结构进行预测所得到的目标推荐对象，并将所述推荐图结构中与所述目标推荐对象相对应的顶点确定为目标顶点；
[0013]其中，所述推荐图结构中的顶点用于指示待推荐对象，所述推荐图结构中连接不同顶点之间的边，用于指示相应的所述待推荐对象之间的关联关系；
[0014]基于所述目标顶点，对所述推荐图结构进行子图划分，得到包括所述目标顶点的至少一个候选子图结构；
[0015]对各所述候选子图结构分别进行目标分值预测，得到各所述候选子图结构的目标
分值，所述目标分值与目标概率正相关，所述目标概率为，调用所述图神经网络对所述候选子图结构进行预测，得到所述目标推荐对象的概率；
[0016]将最大的所述目标分值对应的候选子图结构，确定为所述图神经网络的解释图结构，所述解释图结构，用于解释所述图神经网络对所述推荐图结构进行预测，得到所述目标推荐对象的原因
。
[0017]本申请实施例提供一种图结构的处理装置，包括：
[0018]获取模块，用于获取图神经网络对目标图结构进行预测所得到的预测结果，并将所述目标图结构中与所述预测结果相对应的顶点确定为目标顶点；
[0019]子图划分模块，用于基于所述目标顶点，对所述目标图结构进行子图划分，得到包括所述目标顶点的至少一个候选子图结构；
[0020]分值预测模块，用于对各所述候选子图结构分别进行目标分值预测，得到各所述候选子图结构的目标分值，所述目标分值与目标概率正相关，所述目标概率为，调用所述图神经网络对所述候选子图结构进行预测，得到所述预测结果的概率；
[0021]确定模块，用于将最大的所述目标分值对应的候选子图结构，确定为所述图神经网络的解释图结构，所述解释图结构，用于解释所述图神经网络对所述目标图结构进行预测，得到所述预测结果的原因
。
[0022]上述方案中，上述目标顶点在所述目标图结构中存在邻接顶点，上述子图划分模块，还用于在所述目标图结构中，获取所述目标顶点的邻接顶点，并结合所述邻接顶点和所述目标顶点，对所述目标图结构进行第1次子图划分，得到包括所述目标顶点的至少一个第1候选子图结构；遍历
i
执行以下处理：当第
i
‑1候选子图结构的叶子顶点存在至少部分不是所述目标图结构的叶子顶点时，基于所述第
i
‑1候选子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构；其中，
1<i≤N
，第
N
候选子图结构的叶子顶点均为所述目标图结构的叶子顶点
。
[0023]上述方案中，上述子图划分模块，还用于对各所述第1候选子图结构分别进行目标分值预测，得到各所述第1候选子图结构的目标分值；在得到所述第
i
候选子图结构时，对各所述第
i
候选子图结构分别进行目标分值预测，得到各所述第
i
候选子图结构的目标分值
。
[0024]上述方案中，上述子图划分模块，还用于获取各所述第
i
‑1候选子图结构的目标分值，将所述目标分值最大的第
i
‑1候选子图结构，确定为第
i
‑1目标子图结构；基于所述第
i
‑1目标子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构
。
[0025]上述方案中，上述子图划分模块，还用于针对所述第
i
‑1目标子图结构的各叶子顶点，当所述叶子顶点在所述目标图结构中存在子顶点时，将所述叶子顶点的子顶点，确定为所述第
i
‑1目标子图结构的拓展顶点；当所述目标顶点的子顶点中存在不归属于所述第
i
‑1目标子图结构的子顶点时，将所述目标顶点的子顶点中，不归属于所述第
i
‑1目标子图结构的子顶点，确定为所述第
i
‑1目标子图结构的拓展顶点；结合所述拓展顶点和所述第
i
‑1目标子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图结构的处理方法，其特征在于，所述方法包括：获取图神经网络对目标图结构进行预测所得到的预测结果，并将所述目标图结构中与所述预测结果相对应的顶点确定为目标顶点；基于所述目标顶点，对所述目标图结构进行子图划分，得到包括所述目标顶点的至少一个候选子图结构；对各所述候选子图结构分别进行目标分值预测，得到各所述候选子图结构的目标分值，所述目标分值与目标概率正相关，所述目标概率为，调用所述图神经网络对所述候选子图结构进行预测，得到所述预测结果的概率；将最大的所述目标分值对应的候选子图结构，确定为所述图神经网络的解释图结构，所述解释图结构，用于解释所述图神经网络对所述目标图结构进行预测，得到所述预测结果的原因
。2.
根据权利要求1所述的方法，其特征在于，所述目标顶点在所述目标图结构中存在邻接顶点，所述基于所述目标顶点，对所述目标图结构进行子图划分，得到包括所述目标顶点的至少一个候选子图结构，包括：在所述目标图结构中，获取所述目标顶点的邻接顶点，并结合所述邻接顶点和所述目标顶点，对所述目标图结构进行第1次子图划分，得到包括所述目标顶点的至少一个第1候选子图结构；遍历
i
执行以下处理：当第
i
‑1候选子图结构的叶子顶点存在至少部分不是所述目标图结构的叶子顶点时，基于所述第
i
‑1候选子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构；其中，
1<i≤N
，第
N
候选子图结构的叶子顶点均为所述目标图结构的叶子顶点
。3.
根据权利要求2所述的方法，其特征在于，所述对各所述候选子图结构分别进行目标分值预测，得到各所述候选子图结构的目标分值，包括：对各所述第1候选子图结构分别进行目标分值预测，得到各所述第1候选子图结构的目标分值；在得到所述第
i
候选子图结构时，对各所述第
i
候选子图结构分别进行目标分值预测，得到各所述第
i
候选子图结构的目标分值
。4.
根据权利要求2所述的方法，其特征在于，所述基于所述第
i
‑1候选子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构，包括：获取各所述第
i
‑1候选子图结构的目标分值，将所述目标分值最大的第
i
‑1候选子图结构，确定为第
i
‑1目标子图结构；基于所述第
i
‑1目标子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构
。5.
根据权利要求4所述的方法，其特征在于，所述基于所述第
i
‑1目标子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构，包括：针对所述第
i
‑1目标子图结构的各叶子顶点，当所述叶子顶点在所述目标图结构中存在子顶点时，将所述叶子顶点的子顶点，确定为所述第
i
‑1目标子图结构的拓展顶点；
当所述目标顶点的子顶点中存在不归属于所述第
i
‑1目标子图结构的子顶点时，将所述目标顶点的子顶点中，不归属于所述第
i
‑1目标子图结构的子顶点，确定为所述第
i
‑1目标子图结构的拓展顶点；结合所述拓展顶点和所述第
i
‑1目标子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构
。6.
根据权利要求5所述的方法，其特征在于，所述结合所述拓展顶点和所述第
i
‑1目标子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构，包括：将所述目标图结构中由所述拓展顶点和所述第
i
‑1目标子图结构所构成的子图结构，确定为第
i
参考子图结构；当所述拓展顶点的数量为一个时，将所述第
i
参考子图结构，确定为所述第
i
候选子图结构；当所述拓展顶点的数量为多个时，对所述拓展顶点进行聚类处理，得到至少一个类别的拓展顶点集合，所述拓展顶点集合中包括至少一个所述拓展顶点；针对各所述拓展顶点集合，将所述目标图结构中由所述拓展顶点集合和所述第
i
‑1目标子图结构所构成的子图结构，确定为所述拓展顶点集合对应的第
i
候选子图结构
。7.
根据权利要求2所述的方法，其特征在于，所述基于所述第
i
‑1候选子图结构，对所述目标图结构进行第
i
次子图划分，得到包括所述目标顶点的至少一个第
i
候选子图结构，包括：针对各所述第
i
‑1候选子图结构分别执行以下处理：针对所述第
i
‑1候选子图结构的各叶子顶点，当所述叶子顶点在所述目标图结构中存在子顶点时，将所述叶子顶点的子顶点，确定为所述第
i
‑1候选子图结构的拓展顶点；当所述目标顶点的子顶点中存在不归属于所述第
i
‑1候选子图结构的子顶点时，将所述目标顶点的子顶点中，不归属于所...

【专利技术属性】
技术研发人员：郑雯，徐冰冰，鲁娥妙，宗旋，沈华伟，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：