买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州海康威视数字技术股份有限公司

摘要：本申请公开一种图采样方法、图谱预测方法及存储介质，涉及数据处理技术领域，用于从图谱中采集到具有代表性的采样点，使得基于采样点对图神经网络进行训练时得到更好的训练结果。该方法包括：对于图谱中的每一个节点，确定节点的出度值，以及节点的属性信息，出度值用于表征图谱中以节点为起点的边的数量；基于节点的出度值以及节点的属性信息，确定概率密度函数；基于概率密度函数，对图谱进行采样，得到子图，子图用于对图神经网络进行训练。

主权项：1.一种图采样方法，其特征在于，所述方法应用于图采样系统，所述图采样系统包括中央处理器、图形处理器、神经网络处理器以及张量处理器中的任意一个，所述图采样系统还包括交互装置；所述方法包括：所述中央处理器、所述图形处理器、所述神经网络处理器以及所述张量处理器中的任意一个执行以下步骤：对于图谱中的每一个节点，确定所述节点的出度值，以及所述节点的属性信息，所述出度值用于表征所述图谱中以所述节点为起点的边的数量；确定预设函数的方差，所述预设函数的方差基于图神经网络的积分求解函数以及概率密度函数构成，所述预设函数用于确定采样值；在所述预设函数的方差最小时，基于所述节点的出度值以及所述节点的属性信息，确定概率密度函数；所述节点的属性信息由所述节点的特征向量的范数表征，具体包括：确定所述节点的属性变量，并确定每个所述属性变量的信息增益；基于每个所述属性变量的信息增益，确定所述节点的特征向量的范数；基于所述概率密度函数，对所述图谱进行采样，得到子图，所述子图用于对图神经网络进行训练；所述图形处理器设置训练任务；所述图形处理器将多个所述子图输入所述图神经网络，得到与所述训练任务对应的预测结果；所述交互装置在满足训练结束条件的情况下，展示与所述训练任务对应的预测结果；其中，所述图谱为以下任意一种：节点为论文、作者以及机构，边为论文、作者以及机构之间的从属关系和关联关系构建的图谱，所述预测结果为论文的所属领域和论文类型；节点为用户、产品以及属性，边为用户、产品以及属性之间的关联关系构建的图谱，所述预设测过为用户喜欢的产品；节点为人员，边为人员之间的关联关系构建的图谱，所述预测结果为用户可能认识的人员；节点为原子和残基，边为原子和原子之间、残基和残基之间或原子和残基之间的化学键构建的图谱，所述图谱表征分子或蛋白质，所述预测结果为分子与分子之间、蛋白质与蛋白质之间或分子与蛋白质之间的化学反应和相互作用；节点为路口、路段、车道、交通流向、交通信号以及交通事件，边为所述节点之间的关联关系构建的图谱，所述预测结果为路口的拥堵识别结果以及路口的交通流量；节点为产品，边为产品之间的相似度构建的图谱，所述预测结果为产品的推荐度；节点为论文，边为论文与论文之间的引用关系构建的图谱，所述预测结果为论文的所属领域；节点为人员，边为人员与人员之间的关联关系构建的图谱，所述预测结果为人员与人员之间的熟识度；节点为原子或残基，边为原子与原子之间、原子与残基之间或残基与残基之间的化学键构建的图谱，所述预测结果为分子结构；节点为路口，边为路段、车道、交通流量、交通信号以及交通事件构建的图谱，所述预测结果为路口的交通流量。

全文数据：

权利要求：

百度查询： 杭州海康威视数字技术股份有限公司 图采样方法、图谱预测方法及存储介质