[发明专利]基于人工智能的数据处理方法、装置、介质及电子设备

说明书

本公开提供了一种基于人工智能的数据处理方法、装置及系统，涉及人工智能领域。该方法包括：获取图结构，所述图结构包含多个节点；对各所述节点对应的各级子节点分别进行特征提取，以获得与所述图结构对应的各级图节点信息；根据所述图结构对应的原始特征和所述各级图节点信息确定与所述图结构对应的表征信息。本公开的技术方案减弱了过拟合和过平滑对图神经网络模型性能的影响，提升了图神经网络模型的性能，并进一步提升了图神经网络的预测性能。

技术领域

本公开涉及人工智能技术领域，具体而言，涉及一种基于人工智能的数据处理方法、基于人工智能的数据处理装置、计算机存储介质及电子设备。

背景技术

对于金融、社交、药物分析等众多场景，可以根据其对应的数据建模成图结构，图结构是一种非线性的数据结构，可以采用图神经网络对图结构进行表示学习，将图或者其中的节点表示成向量，并将向量用于后续的机器学习任务，例如分类、回归、聚类等等。

但是在采用图神经网络对图结构进行处理时，随着图神经网络层数的增加，会出现过拟合和过平滑的问题，因此限制了复杂图神经网络模型的构建和应用。

鉴于此，本领域亟需开发一种新的基于人工智能的数据处理方法。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的实施例提供了一种基于人工智能的数据处理方法、基于人工智能的数据处理装置、计算机存储介质及电子设备，进而至少在一定程度上可以减弱过拟合和过平滑对图神经网络模型性能的影响，进一步提高了图神经网络模型的性能。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的一个方面，提供了一种基于人工智能的数据处理方法，包括：获取图结构，所述图结构包含多个节点；对各所述节点对应的各级子节点分别进行特征提取，以获得与所述图结构对应的各级图节点信息；根据所述图结构对应的原始特征和所述各级图节点信息确定与所述图结构对应的表征信息。

根据本公开实施例的一个方面，提供了一种基于人工智能的数据处理装置，包括：图获取模块，用于获取图结构，所述图结构包含多个节点；特征提取模块，用于对各所述节点对应的各级子节点分别进行特征提取，以获得与所述图结构对应的各级图节点信息；信息生成模块，用于根据所述图结构对应的原始特征和所述各级图节点信息确定与所述图结构对应的表征信息。

在本公开的一些实施例中，基于前述方案，所述数据处理装置还包括：节点级数获取模块，用于根据各所述节点之间的连接关系确定各所述节点的节点级数，并根据所述节点级数对各所述节点进行划分。

在本公开的一些实施例中，基于前述方案，所述节点级数获取模块配置为：从各所述节点中确定一目标节点；根据所述目标节点与所述图结构中的非目标节点之间的连接关系及所述非目标节点之间的连接关系确定所述非目标节点的节点级数；根据所述非目标节点的节点级数将所述非目标节点划分为与所述目标节点相关的多级子节点。

在本公开的一些实施例中，基于前述方案，所述特征提取模块包括：第一特征提取单元，用于通过图神经网络模型对各所述节点对应的各级子节点进行特征提取，以获取与所述图结构对应的各级图节点信息。

在本公开的一些实施例中，基于前述方案，所述第一特征提取单元包括：确定单元，用于根据节点级数从所述各级子节点中确定目标子节点，并根据所述目标子节点对应的节点级数从所述图神经网络模型中确定目标图神经网络子模型；第二特征提取单元，用于通过所述目标图神经网络子模型对所述目标子节点进行特征提取，以获取与所述图结构对应的目标图节点信息。