(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111651405.8 (22)申请日 2021.12.3 0 (71)申请人 深圳云天励飞技 术股份有限公司 地址 518000 广东省深圳市龙岗区园山 街 道龙岗大道8288号深圳大运软件小镇 17栋1楼 (72)发明人 杨一帆　余晓填　王孝宇　 (74)专利代理 机构 北京三聚阳光知识产权代理 有限公司 1 1250 专利代理师 林韵英 (51)Int.Cl. G06F 16/901(2019.01) G06F 16/906(2019.01) G06K 9/62(2022.01) G06N 3/08(2006.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 40/16(2022.01) (54)发明名称 一种图结构数据 节点分类方法、 装置及电子 设备 (57)摘要 本申请提供一种图结构数据节 点分类方法、 装置及电子设备， 该方法包括： 将图结构数据输 入到预设的图神经网络模型， 得到图结构数据中 各节点的特征； 针对图结构数据中的每个带标签 节点， 根据各带标签节点的特征， 确定各带标签 节点的预测标签； 依据带标签节 点的预测标签和 真值标签 之间的残差， 对带标签节 点的特征进行 修复， 得到各带标签节点的目标特征； 根据各带 标签节点的目标特征和各带标签节点与无标签 节点之间的图连接关系， 对各无标签节点的特征 进行调整； 根据各无标签节点调整后的目标特 征， 确定图结构数据的节点分类结果。 消除了图 神经网络模型所导致节点特征过平滑问题对节 点分类造成的影 响， 提高了图结构数据的节点分 类结果的准确性。 权利要求书2页 说明书10页 附图3页 CN 114528441 A 2022.05.24 CN 114528441 A 1.一种图结构数据节点分类方法， 其特 征在于， 包括： 获取待进行节点分类的图结构数据； 其中， 所述图结构数据包括带标签节点和无标签 节点； 将所述图结构数据输入到预设的图神经网络模型， 得到所述图结构数据中各节点的特 征； 针对所述图结构数据中的每个带标签节点， 根据各所述带标签节点的特征， 确定各所 述带标签节点的预测标签； 依据所述带标签节点的预测标签和真值标签之间的残差， 对所述带标签节点的特征进 行修复， 以得到各 所述带标签节点的目标 特征； 根据各所述带标签节点的目标特征和各所述带标签节点与无标签节点之间的图连接 关系， 对各 所述无标签节点的特 征进行调整， 以得到各 所述无标签节点的目标 特征； 根据各所述无标签节点的目标 特征， 确定所述图结构数据的节点分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述依据所述带标签节点的预测标签和真 值标签之间的残差， 对所述带标签节点的特征进行修复， 以得到各所述带标签节点的目标 特征， 包括： 根据所述带标签节点的预测标签和真值标签之间的残差所表征的预测误差， 对所述带 标签节点的特 征进行修复； 再次根据修复后的特征， 预测所述带标签节点的预测标签， 并返回到所述根据所述带 标签节点的预测标签和真值标签之 间的残差所表征的预测误差， 对所述带标签节点的特征 进行修复的步骤； 当所述带标签节点的预测标签和真值标签之间的残差所表征的预测误差达到预设标 准时， 将当前用于预测该 预测标签的特 征， 确定为所述带 标签节点的目标 特征。 3.根据权利要求1所述的方法， 其特征在于， 所述将所述图结构数据输入到预设的图神 经网络模型， 得到所述图结构数据中各节点的特 征， 包括： 针对所述图结构数据中的每个节点， 基于所述图神经网络模型， 根据与所述节点相连 接的邻接节点的特 征， 确定该节点自身的特 征。 4.根据权利要求3所述的方法， 其特征在于， 所述根据各所述带标签节点的目标特征和 各所述带标签节点与无标签节点之间的图连接关系， 对各所述无标签节点的特征进行调 整， 包括： 根据各所述带标签节点与 无标签节点之间的图连接关系， 确定与所述带标签节点的构 成邻接关系的目标 无标签节点； 根据所述带 标签节点的目标 特征， 调整所述目标 无标签节点的特 征。 5.根据权利要求 4所述的方法， 其特 征在于， 还 包括： 根据已完成特征调 整的无标签节点与其他无标签节点之间的图连接关系， 对所述其他 无标签节点的特 征进行调整。 6.根据权利要求4所述的方法， 其特征在于， 所述根据所述带标签节点的目标特征， 调 整所述目标 无标签节点的特 征， 包括： 基于所述图神经网络模型， 根据所述带标签节点的目标特征， 重新确定所述目标无标 签节点的特 征。权　利　要　求　书 1/2 页 2 CN 114528441 A 27.根据权利要求1所述的方法， 其特征在于， 所述根据各所述无标签节点的目标特征， 确定所述图结构数据的节点分类结果， 包括： 根据各所述无标签节点的目标 特征， 确定各 所述无标签节点的预测标签； 根据各所述无标签节点的预测标签， 对所述无标签节点进行分类， 以得到所述图结构 数据的节点分类结果。 8.一种图结构数据节点分类装置， 其特 征在于， 包括： 获取模块， 用于获取待进行节点分类的图结构数据； 其中， 所述图结构数据包括带标签 节点和无 标签节点； 特征提取模块， 用于将所述图结构数据输入到预设的图神经网络模型， 得到所述图结 构数据中各节点的特 征； 预测模块， 用于针对所述图结构数据中的每个带标签节点， 根据各所述带标签节点的 特征， 确定各 所述带标签节点的预测标签； 特征修复模块， 用于依据所述带标签节点的预测标签和真值标签之间的残差， 对所述 带标签节点的特 征进行修复， 以得到各 所述带标签节点的目标 特征； 特征调整模块， 用于根据各所述带标签节点的目标特征和各所述带标签节点与无标签 节点之间的图连接关系， 对各所述无标签节点的特征进行调整， 以得到各所述无标签节点 的目标特征； 分类模块， 用于根据各所述无标签节点的目标特征， 确定所述图结构数据的节点分类 结果。 9.一种电子设备， 其特 征在于， 包括： 至少一个处 理器和存 储器； 所述存储器存储计算机执 行指令； 所述至少一个处理器执行所述存储器存储的计算机执行指令， 使得所述至少一个处理 器执行如权利要求1至7任一项所述的方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有计算机 执行指令， 当处 理器执行所述计算机执 行指令时， 实现如权利要求1至7任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114528441 A 3