[发明专利]一种基于图卷积网络模型的分类方法及装置

权利要求书

1.一种基于图卷积网络模型的分类方法，其特征在于，所述方法包括：

获取待分类的各目标对象的特征数据，作为待处理特征数据；

将各目标对象的待处理特征数据输入至预先训练的目标图卷积网络模型；其中，所述目标图卷积网络模型包括：多层感知器、卷积网络和特征变换层；

通过所述多层感知器，分别对每一目标对象的待处理特征数据进行非线性变换，得到该目标对象的第一特征数据；

通过所述卷积网络，针对每一目标对象，对该目标对象的第一特征数据和该目标对象对应的关联对象的第一特征数据进行特征提取，得到该目标对象的聚合特征数据；其中，该目标对象的聚合特征数据表示该目标对象的低频特征和高频特征；该目标对象对应的关联对象与该目标对象之间存在关联关系；

通过所述特征变换层，分别对每一目标对象的聚合特征数据进行映射处理，得到该目标对象的类别标签；

针对每一目标对象，在预设的类别标签与类别的对应关系中，确定该目标对象的类别标签对应的类别，作为该目标对象的类别。

2.根据权利要求1所述的方法，其特征在于，在所述将各目标对象的待处理特征数据输入至预先训练的目标图卷积网络模型之前，所述方法还包括：

生成各目标对象对应的拓扑图，作为目标拓扑图；其中，所述目标拓扑图包括多个节点；所述多个节点与各目标对象一一对应；所述多个节点按照各目标对象之间的关联关系相连接；

所述将各目标对象的待处理特征数据输入至预先训练的目标图卷积网络模型，包括：

将所述目标拓扑图，输入至预先训练的目标图卷积网络模型。

3.根据权利要求2所述的方法，其特征在于，所述通过所述多层感知器，分别对每一目标对象的待处理特征数据进行非线性变换，得到该目标对象的第一特征数据，包括：

通过所述多层感知器，基于第一预设公式，针对每一节点，对该节点对应的目标对象的待处理特征数据进行非线性变换，得到非线性变换后的特征数据，作为该目标对象的第一特征数据；其中，所述第一预设公式为：

p⁽¹⁾＝φ(W₁p⁽⁰⁾)

p⁽¹⁾表示该目标对象的第一特征数据；p⁽⁰⁾表示该节点对应的目标对象的待处理特征数据；W₁表示第一预设权重矩阵；φ表示预设非线性变换函数。