(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 202210304735.8 (22)申请日 2022.03.22 (71)申请人 马上消费金融股份有限公司 地址 404100 重庆市渝北区黄山大道中段 52号渝兴广场B2栋4至8楼 (72)发明人 赵宏宇　赵国庆　蒋宁　王洪斌　 吴海英　 (74)专利代理 机构 深圳市智圈知识产权代理事 务所(普通 合伙) 44351 专利代理师 苗燕 (51)Int.Cl. G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 图数据处理方法、 装置、 电子设备及存储介 质 (57)摘要 本申请实施例公开了一种图数据处理方法、 装置、 电子设备及存储介质。 所述方法包括： 获取 待分类的图数据， 以及所述待分类的图数据对应 的节点特征矩阵和/或结构特征矩阵； 基于所述 节点特征矩阵和/或所述结构特征矩阵， 确定所 述待分类的图数据中每个节点的重要性分数； 基 于所述重要性分数， 从所述待分类的图数据所包 括的节点中获取预设数量的节 点， 得到所述待分 类的图数据对应的目标节点； 获取所述目标节点 对应的节 点特征矩阵， 并根据所述目标节点对应 的节点特征矩阵， 得到所述待分类的图数据的特 征矩阵； 将所述待分类的图数据的特征矩阵输入 到图分类模 型中， 得到所述待分类的图数据的分 类结果。 从而提高了对待分类的图数据进行分类 的准确性。 权利要求书3页 说明书17页 附图8页 CN 114819138 A 2022.07.29 CN 114819138 A 1.一种图数据处 理方法， 其特 征在于， 所述方法包括： 获取待分类的图数据， 以及所述待分类的图数据对应的节点特征矩阵和/或结构特征 矩阵； 基于所述节点特征矩阵和/或所述结构特征矩阵， 确定所述待分类的图数据中每个节 点的重要性分数； 基于所述重要性分数， 从所述待分类的图数据所包括的节点中获取预设数量的节点， 得到所述待分类的图数据对应的目标节点； 获取所述目标节点对应的节点特征矩阵， 并根据所述目标节点对应的节点特征矩阵， 得到所述待分类的图数据的特 征矩阵； 将所述待分类的图数据的特征矩阵输入到图分类模型中， 得到所述待分类的图数据的 分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述基于所述节点特征矩阵和/或所述结 构特征矩阵， 确定所述待分类的图数据中每 个节点的重要性分数， 包括： 基于所述节点特征矩阵和所述结构特征矩阵， 确定所述待分类的图数据中每个节点的 结构特征的注意力分数； 将所述每个节点的结构特征的注意力分数作为所述每个节点的重 要性分数； 或者， 基于所述节点特征矩阵， 确定所述待分类的图数据中每个节点的节点特征的注 意力分数， 将所述每 个节点的节点特 征的注意力分数作为所述每 个节点的重要性分数； 或者， 基于所述节点特征矩阵和所述结构特征矩阵， 确定所述待分类的图数据中每个 节点的结构特征 的注意力 分数， 基于所述节点特征矩阵， 确定所述待分类的图数据中每个 节点的节点特征的注 意力分数， 将所述每个节点的结构特征的注意力分数和所述每个节点 的节点特 征的注意力分数作为所述每 个节点的重要性分数。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述目标节点对应的节点特征矩 阵， 得到所述待分类的图数据的特 征矩阵， 包括： 对所述目标节点对应的节点特 征矩阵进行全局平均池化操作， 得到第一池化结果； 对所述目标节点对应的节点特 征矩阵进行全局最大池化操作， 得到第二池化结果； 将所述第一池化结果和第二池化结果进行拼接， 得到所述待分类的图数据的特征矩 阵。 4.根据权利要求1所述的方法， 其特征在于， 所述基于所述节点特征矩阵和/或所述结 构特征矩阵， 确定所述待分类的图数据中每 个节点的重要性分数， 包括： 基于所述节点特 征矩阵和/或所述结构特 征矩阵， 确定融合特 征矩阵； 基于所述融合特 征矩阵， 确定所述待分类的图数据中每 个节点的重要性分数。 5.根据权利要求4所述的方法， 其特征在于， 所述基于所述节点特征矩阵和/或所述结 构特征矩阵， 确定融合特 征矩阵， 包括： 在基于初始节点特征矩阵和初始结构特征矩阵， 得到第一融合特征矩阵后， 对所述初 始节点特征矩阵进行预设次数的Dr opout操作， 得到每次Dropout操作后的第一节 点特征矩 阵， 其中， 当前次Dropout操作后的第一节点特征矩阵为进行下一次Dropout操作的第一节 点特征矩阵； 基于每次Dropout操作后的第一节点特征矩阵和所述结构特征矩阵， 得到每次Dropout权　利　要　求　书 1/3 页 2 CN 114819138 A 2操作后的第一 参考融合特 征矩阵； 若Dropout操作的次数达到所述预设次数， 则将所述第一融合特征矩阵和所有所述第 一参考融合特 征矩阵进行内积计算， 得到所述融合特 征矩阵。 6.根据权利要求4所述的方法， 其特征在于， 所述基于所述节点特征矩阵和/或所述结 构特征矩阵， 确定融合特 征矩阵， 包括： 在基于初始节点特征矩阵， 得到第二融合特征矩阵后， 对所述初始节点特征矩阵进行 预设次数的Dropout操作， 得到每次Dropout操作后的第二节点特征矩阵， 其中， 当前次 Dropout操作后的第二节点特 征矩阵为进行 下一次Dropout操作的第二节点特 征矩阵； 基于每次Dropout操作后的第二节点特征矩阵， 得到每次Dropout操作后的第二参考 融 合特征矩阵； 若Dropout操作的次数达到所述预设次数， 则将所述第二融合特征矩阵和所有所述第 二参考融合特 征矩阵进行内积计算， 得到所述融合特 征矩阵。 7.根据权利要求4所述的方法， 其特征在于， 所述基于所述节点特征矩阵和所述结构特 征矩阵， 确定融合特 征矩阵， 包括： 在基于初始节点特征矩阵和初始结构特征矩阵， 得到第一融合特征矩阵后， 对所述初 始节点特征矩阵迭代进行预设次数的Dr opout操作， 得到每次Dr opout操作后的第一节 点特 征矩阵， 其中， 当前次Dropout操作后的第一节点特征矩阵为进行下一次Dropout操作的第 一节点特征矩阵， 基于每次Dr opout操作后的第一节点特征矩阵和所述结构特征矩阵， 得到 每次Dropout操作后的第一 参考融合特 征矩阵； 在基于初始节点特征矩阵， 得到第二融合特征矩阵后， 对所述初始节点特征矩阵进行 预设次数的Dropout操作， 得到每次Dropout操作后的第二节点特征矩阵， 其中， 当前次 Dropout操作后的第二节 点特征矩阵为进行下一次Dr opout操作的第二节 点特征矩阵， 基于 每次Dropout操作后的第二节 点特征矩阵， 得到每次Dr opout操作后的第二参考融合特征矩 阵； 若Dropout操作的次数达到所述预设次数， 则将所述第一融合特征矩阵、 所述第二融合 特征矩阵、 所有 所述第一参考融合特征矩阵以及所有 所述第二参考融合特征矩阵进行内积 计算， 得到所述融合特 征矩阵。 8.根据权利要求1 ‑7任一所述的方法， 其特征在于， 所述节点特征矩阵表征每个节点提 交的注册信息， 所述结构特征矩阵表征不同节点在提交注册信息时的位置 关系； 或， 所述节 点特征矩阵表征每个节点注册社交账号时提交的信息， 所述结构特征矩阵表征不同节点的 社交账号之间的关联关系； 或， 所述节点特征矩阵表征每个节点的地理位置及对应的航线， 所述结构特征矩阵表征每两个节点之间的距离以及航班成本； 或， 所述节点特征矩阵表征 每个节点的类型， 所述结构特 征矩阵表征不同节点之间的距离 。 9.一种图数据处 理装置， 其特 征在于， 所述装置包括： 数据获取单元， 用于获取待分类的图数据， 以及所述待分类的图数据对应的节点特征 矩阵和/或结构特 征矩阵； 分数确定单元， 用于基于所述节点特征矩阵和/或所述结构特征矩阵， 确定所述待分类 的图数据中每 个节点的重要性分数； 节点获取单元， 用于基于所述重要性分数， 从所述待分类的图数据所包括的节点中获权　利　要　求　书 2/3 页 3 CN 114819138 A 3