[发明专利]一种基于图神经网络的数据处理方法及装置

权利要求书

1.一种基于图神经网络的数据处理方法，其特征在于，第一初阶图数据包括第一节点，所述第一节点的第一初阶节点特征中包括第一对象的类别特征数据；所述方法包括：

对所述第一对象的各个类别特征数据进行分组交互，并对分组交互结果进行特征融合以获得所述第一对象的局部交互特征；

对所述第一对象的类别特征数据进行全局特征交互，以获得所述第一对象的全局交互特征；

将所述第一对象的局部交互特征与所述第一对象的全局交互特征进行特征融合处理，以获得所述第一节点的第一进阶节点特征；

第一图神经网络根据所述第一进阶节点特征对所述第一初阶图数据进行邻域聚合处理，以获得第一进阶图数据。

2.根据权利要求1所述方法，其特征在于，所述第一初阶图数据还包括第二节点，所述第一节点是所述第二节点的邻居节点，所述第二节点的第二初阶节点特征中包括第二对象的类别特征数据，所述方法还包括：

对所述第二对象的各个类别特征数据进行分组交互，并对分组交互结果进行特征融合以获得所述第二对象的局部交互特征；

对所述第二对象的多个类别特征数据进行全局特征交互，以获得所述第二对象的全局交互特征；

将所述第二对象的局部交互特征与所述第二对象的全局交互特征进行特征融合处理，以获得所述第二节点的第二进阶节点特征；

其中，第一图神经网络根据所述第一进阶节点特征对所述第一初阶图数据进行邻域聚合处理，以获得第一进阶图数据，包括：

所述第一图神经网络通过所述第一进阶节点特征、针对所述第二节点进行邻域聚合处理，以获得所述第二节点的第二目标节点特征。

3.根据权利要求2所述方法，其特征在于，所述第一初阶图数据还包括第三节点，所述第三节点的第三初阶节点特征中包括第三对象的类别特征数据，所述第二节点是所述第三节点的一阶邻居节点，所述第一节点是所述第三节点的二阶邻居节点；其中，所述方法还包括：

对所述第三对象的各个类别特征数据进行分组交互，并对分组交互结果进行特征融合以获得所述第三对象的局部交互特征；

对所述第三对象的多个类别特征数据进行全局特征交互，以获得所述第三对象的全局交互特征；

将所述第三对象的局部交互特征与所述第三对象的全局交互特征进行特征融合处理，以获得所述第三节点的第三进阶节点特征；

其中，第一图神经网络根据所述第一进阶节点特征对所述第一初阶图数据进行邻域聚合处理，以获得第一进阶图数据，包括：

所述第一图神经网络通过所述第一进阶节点特征和所述第二进阶节点特征、针对所述第三节点进行邻域聚合处理，以获得所述第三节点的第三目标节点特征。

4.根据权利要求2所述方法，其特征在于，所述第一对象的类别特征数据包括第一类别特征数据、第二类别特征数据和第三类别特征数据；其中，对所述第一对象的类别特征数据进行全局特征交互，以获得所述第一对象的全局交互特征，包括：

将所述第一类别特征数据与所述第二类别特征数据进行信息交互处理，以获得第一局部交互数据；

将所述第一类别特征数据域所述第二类别特征数据进行信息交互处理，以获得第二局部交互数据；

将所述第二类别特征数据域所述第一类别特征数据进行信息交互处理，以获得第三局部交互数据；

将所述第一局部交互数据、所述第二局部交互数据以及所述第三局部交互数据进行信息融合，以获得所述第一对象的局部交互特征。

5.根据权利要求1所述方法，其特征在于，对所述第一对象的类别特征数据进行全局特征交互，以获得所述第一对象的全局交互特征，包括：

根据所述第一对象的各个类别特征数据生成目标类别图；

对所述目标类别图进行邻域聚合处理，以获得邻域聚合类别图；

对所述邻域聚合类别图进行池化处理以获得所述第一对象的全局交互特征。