本發(fā)明屬于信息安全，具體涉及一種基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)方法、裝置及計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)：

1、隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，數(shù)據(jù)安全和隱私保護(hù)變得越來越重要，在數(shù)據(jù)共享和數(shù)據(jù)挖掘過程中，敏感信息的泄露可能會(huì)導(dǎo)致嚴(yán)重的隱私問題和安全風(fēng)險(xiǎn)；因此，對數(shù)據(jù)的隱私保護(hù)越來越受到人們的關(guān)注；目前，多采用數(shù)據(jù)脫敏的方式，來實(shí)現(xiàn)數(shù)據(jù)的隱私保護(hù)，其中，進(jìn)行數(shù)據(jù)敏感的分類分級(jí)，是數(shù)據(jù)脫敏前的重要步驟，特別是在現(xiàn)有的數(shù)據(jù)審計(jì)、數(shù)據(jù)安全性合規(guī)檢查已成為各行業(yè)的標(biāo)配的情形下，數(shù)據(jù)分類分級(jí)往往會(huì)帶來巨大的人工審核工作量。

2、在實(shí)際應(yīng)用過程中，雖然也存在一些模式識(shí)別，文本相似度、基于ner算法（namedentity?recognition,命名實(shí)體識(shí)別）、卷積神經(jīng)網(wǎng)絡(luò)等技術(shù)的數(shù)據(jù)分類分級(jí)方案；但是，前述現(xiàn)有技術(shù)大多裂開了數(shù)據(jù)間的關(guān)系，計(jì)算過程相對獨(dú)立，丟棄了數(shù)據(jù)間的關(guān)聯(lián)性；如此，則會(huì)降低數(shù)據(jù)分類分級(jí)的準(zhǔn)確率，從而影響脫敏的可靠性；由此，基于前述不足，如何提供一種準(zhǔn)確率高的數(shù)據(jù)分級(jí)方法，已成為了一個(gè)亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)方法、裝置及計(jì)算機(jī)程序產(chǎn)品，用以解決現(xiàn)有技術(shù)在進(jìn)行數(shù)據(jù)分級(jí)時(shí)，丟棄了數(shù)據(jù)間的關(guān)聯(lián)性而導(dǎo)致的數(shù)據(jù)分級(jí)準(zhǔn)確率低，進(jìn)而影響脫敏可靠性的問題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、第一方面，提供了一種基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)方法，包括：

4、獲取目標(biāo)數(shù)據(jù)表，其中，所述目標(biāo)數(shù)據(jù)表中包含有多個(gè)數(shù)據(jù)項(xiàng)，每個(gè)數(shù)據(jù)項(xiàng)分別用于表征所述目標(biāo)數(shù)據(jù)表中的一個(gè)表頭，且多個(gè)數(shù)據(jù)項(xiàng)用于表征人員信息數(shù)據(jù)；

5、獲取數(shù)據(jù)關(guān)聯(lián)圖，其中，所述數(shù)據(jù)關(guān)聯(lián)圖的數(shù)據(jù)結(jié)構(gòu)為圖結(jié)構(gòu)，所述數(shù)據(jù)關(guān)聯(lián)圖中包含有多個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)分別對應(yīng)一個(gè)歷史數(shù)據(jù)項(xiàng)，且各個(gè)節(jié)點(diǎn)之間采用邊建立關(guān)聯(lián)關(guān)系；

6、利用所述目標(biāo)數(shù)據(jù)表中的各個(gè)數(shù)據(jù)項(xiàng)，更新所述數(shù)據(jù)關(guān)聯(lián)圖，得到更新后的數(shù)據(jù)關(guān)聯(lián)圖，其中，所述更新后的數(shù)據(jù)關(guān)聯(lián)圖中包含有所述目標(biāo)數(shù)據(jù)表中的所有數(shù)據(jù)項(xiàng)；

7、基于所述更新后的數(shù)據(jù)關(guān)聯(lián)圖，確定出所述目標(biāo)數(shù)據(jù)表的表頭特征向量；

8、獲取基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)模型，其中，所述數(shù)據(jù)分級(jí)模型是以各個(gè)樣本數(shù)據(jù)表的表頭特征向量為輸入，各個(gè)樣本數(shù)據(jù)表中的各個(gè)表頭的分級(jí)概率為輸出而訓(xùn)練得到的；

9、將所述目標(biāo)數(shù)據(jù)表的表頭特征向量輸入至所述數(shù)據(jù)分級(jí)模型，以得到所述目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)概率；

10、根據(jù)所述目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)概率，得出目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)結(jié)果，以便基于所述目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)結(jié)果，對目標(biāo)數(shù)據(jù)表中的數(shù)據(jù)進(jìn)行脫敏處理。

11、基于上述公開的內(nèi)容，本發(fā)明預(yù)先構(gòu)建了基于圖結(jié)構(gòu)的數(shù)據(jù)關(guān)聯(lián)圖，其中，該數(shù)據(jù)關(guān)聯(lián)圖中的各個(gè)節(jié)點(diǎn)分別對應(yīng)一個(gè)歷史數(shù)據(jù)項(xiàng)（即歷史數(shù)據(jù)表中的各個(gè)表頭），且各個(gè)節(jié)點(diǎn)之間采用邊建立關(guān)聯(lián)關(guān)系；如此，相當(dāng)于是利用圖結(jié)構(gòu)，來表示各個(gè)表頭之間的數(shù)據(jù)關(guān)聯(lián)；基于此，在實(shí)際使用時(shí)，本發(fā)明在獲取了目標(biāo)數(shù)據(jù)表后，則可根據(jù)目標(biāo)數(shù)據(jù)表中的各個(gè)數(shù)據(jù)項(xiàng)，來更新前述數(shù)據(jù)關(guān)聯(lián)圖，以將目標(biāo)數(shù)據(jù)表中的各個(gè)數(shù)據(jù)項(xiàng)插入至數(shù)據(jù)關(guān)聯(lián)圖中，從而建立各個(gè)數(shù)據(jù)項(xiàng)對應(yīng)表頭之間的數(shù)據(jù)關(guān)聯(lián)；而后，則可基于更新后的數(shù)據(jù)關(guān)聯(lián)圖，來確定出目標(biāo)數(shù)據(jù)表的表頭特征向量；由此，基于更新后的數(shù)據(jù)關(guān)聯(lián)圖所確定出的特征向量，則包含有目標(biāo)數(shù)據(jù)表中各個(gè)表頭之間，以及與歷史表頭之間的關(guān)聯(lián)關(guān)系；最后，將該表頭特征向量輸入至數(shù)據(jù)分級(jí)模型，即可得出目標(biāo)數(shù)據(jù)表中各個(gè)表頭的分級(jí)概率，從而確定出目標(biāo)數(shù)據(jù)表中各個(gè)表頭的分級(jí)結(jié)果。

12、通過上述設(shè)計(jì)，本發(fā)明通過引入基于圖結(jié)構(gòu)的數(shù)據(jù)關(guān)聯(lián)圖，來表征數(shù)據(jù)表中各個(gè)表頭之間的關(guān)聯(lián)關(guān)系，并在每次分級(jí)前，利用本次分級(jí)的數(shù)據(jù)表中的各個(gè)表頭，來更新數(shù)據(jù)關(guān)聯(lián)圖，從而建立本次分級(jí)的數(shù)據(jù)表中各個(gè)表頭之間的數(shù)據(jù)關(guān)聯(lián)；而后，則可基于該更新后的數(shù)據(jù)關(guān)聯(lián)圖，來提取出表頭特征向量；如此，基于更新后的數(shù)據(jù)關(guān)聯(lián)圖所確定出的特征向量，則包含有本次數(shù)據(jù)表中各個(gè)表頭之間，以及與歷史分級(jí)的各個(gè)表頭之間的關(guān)聯(lián)關(guān)系；最后，將該表頭特征向量輸入至數(shù)據(jù)分級(jí)模型，則可得出本次數(shù)據(jù)表中各個(gè)表頭的分級(jí)結(jié)果；由此，本發(fā)明在數(shù)據(jù)分級(jí)時(shí)，不僅僅依賴于數(shù)據(jù)本身的特征，還同時(shí)結(jié)合了數(shù)據(jù)關(guān)聯(lián)圖，來保留了數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，基于此，可提高數(shù)據(jù)分類分級(jí)的準(zhǔn)確性，進(jìn)而保證了數(shù)據(jù)脫敏的可靠性，因此，非常適用于大規(guī)模應(yīng)用與推廣。

13、在一個(gè)可能的設(shè)計(jì)中，利用所述目標(biāo)數(shù)據(jù)表中的各個(gè)數(shù)據(jù)項(xiàng)，更新所述數(shù)據(jù)關(guān)聯(lián)圖，得到更新后的數(shù)據(jù)關(guān)聯(lián)圖，包括：

14、獲取所述目標(biāo)數(shù)據(jù)表中各個(gè)數(shù)據(jù)項(xiàng)的語義信息，其中，任一數(shù)據(jù)項(xiàng)的語義信息為向量形式；

15、根據(jù)各個(gè)數(shù)據(jù)項(xiàng)的語義信息，并將各個(gè)數(shù)據(jù)項(xiàng)作為新插入節(jié)點(diǎn)，插入至所述數(shù)據(jù)關(guān)聯(lián)圖中，以在插入完畢后，得到所述更新后的數(shù)據(jù)關(guān)聯(lián)圖。

16、在一個(gè)可能的設(shè)計(jì)中，所述數(shù)據(jù)關(guān)聯(lián)圖中的任一節(jié)點(diǎn)具有頂點(diǎn)標(biāo)識(shí)符，其中，所述任一節(jié)點(diǎn)的頂點(diǎn)標(biāo)識(shí)符用于唯一表示該任一節(jié)點(diǎn)對應(yīng)的歷史數(shù)據(jù)項(xiàng)，且各節(jié)點(diǎn)之間采用頂點(diǎn)標(biāo)識(shí)符和邊建立關(guān)聯(lián)關(guān)系；

17、其中，根據(jù)各個(gè)數(shù)據(jù)項(xiàng)的語義信息，并將各個(gè)數(shù)據(jù)項(xiàng)作為新插入節(jié)點(diǎn)，插入至所述數(shù)據(jù)關(guān)聯(lián)圖中，以在插入完畢后，得到所述更新后的數(shù)據(jù)關(guān)聯(lián)圖，包括：

18、對于所述目標(biāo)數(shù)據(jù)表中的第i個(gè)數(shù)據(jù)項(xiàng)，獲取所述第i個(gè)數(shù)據(jù)項(xiàng)的元數(shù)據(jù)，并根據(jù)所述元數(shù)據(jù)，構(gòu)建出所述第i個(gè)數(shù)據(jù)項(xiàng)的頂點(diǎn)標(biāo)識(shí)符；

19、計(jì)算出所述第i個(gè)數(shù)據(jù)項(xiàng)的語義信息，與所述數(shù)據(jù)關(guān)聯(lián)圖中各個(gè)節(jié)點(diǎn)對應(yīng)歷史數(shù)據(jù)項(xiàng)的語義信息之間的相似度，以在計(jì)算完畢后，得到多個(gè)相似度；

20、判斷多個(gè)相似度中是否存在有大于等于第一閾值的相似度；

21、若是，則使用第一目標(biāo)節(jié)點(diǎn)，代替所述第i個(gè)數(shù)據(jù)項(xiàng)的新插入節(jié)點(diǎn)，并建立所述第一目標(biāo)節(jié)點(diǎn)的頂點(diǎn)標(biāo)識(shí)符，與所述第i個(gè)數(shù)據(jù)項(xiàng)對應(yīng)頂點(diǎn)標(biāo)識(shí)符之間的關(guān)聯(lián)關(guān)系，以在建立關(guān)聯(lián)關(guān)系后，完成所述第i個(gè)數(shù)據(jù)項(xiàng)的插入，其中，所述第一目標(biāo)節(jié)點(diǎn)為多個(gè)相似度中大于等于所述第一閾值的相似度所對應(yīng)的節(jié)點(diǎn)；

22、將i自加1，并重新獲取所述第i個(gè)數(shù)據(jù)項(xiàng)的元數(shù)據(jù)，直至i等于n時(shí)，完成所述目標(biāo)數(shù)據(jù)表中所有數(shù)據(jù)項(xiàng)的插入，得到所述更新后的數(shù)據(jù)關(guān)聯(lián)圖，其中，i的初始值為1，且n為所述目標(biāo)數(shù)據(jù)表中數(shù)據(jù)項(xiàng)的總數(shù)。

23、在一個(gè)可能的設(shè)計(jì)中，若多個(gè)相似度中不存在有大于等于第一閾值的相似度，則所述方法還包括：

24、判斷多個(gè)相似度中是否存在有大于等于第二閾值，且小于所述第一閾值的相似度；

25、若是，則將所述第i個(gè)數(shù)據(jù)項(xiàng)作為一個(gè)新插入節(jié)點(diǎn)，插入至所述數(shù)據(jù)關(guān)聯(lián)圖中，并將所述第i個(gè)數(shù)據(jù)項(xiàng)對應(yīng)的新插入節(jié)點(diǎn)與第二目標(biāo)節(jié)點(diǎn)采用邊進(jìn)行連接，其中，所述第二目標(biāo)節(jié)點(diǎn)為多個(gè)相似度中大于等于所述第二閾值，且小于所述第一閾值的相似度所對應(yīng)的節(jié)點(diǎn)；

26、將所述第二目標(biāo)節(jié)點(diǎn)的頂點(diǎn)標(biāo)識(shí)符，與所述第i個(gè)數(shù)據(jù)項(xiàng)的頂點(diǎn)標(biāo)識(shí)符建立關(guān)聯(lián)關(guān)系，以在建立關(guān)聯(lián)關(guān)系后，完成所述第i個(gè)數(shù)據(jù)項(xiàng)的插入。

27、在一個(gè)可能的設(shè)計(jì)中，若多個(gè)相似度中不存在有大于等于第二閾值，且小于第一閾值的相似度，則所述方法還包括：

28、將所述第i個(gè)數(shù)據(jù)項(xiàng)作為一個(gè)新插入節(jié)點(diǎn)，插入至所述數(shù)據(jù)關(guān)聯(lián)圖中，以完成所述第i個(gè)數(shù)據(jù)項(xiàng)的插入。

29、在一個(gè)可能的設(shè)計(jì)中，基于所述更新后的數(shù)據(jù)關(guān)聯(lián)圖，確定出所述目標(biāo)數(shù)據(jù)表的表頭特征向量，包括：

30、對所述更新后的數(shù)據(jù)關(guān)聯(lián)圖進(jìn)行采樣處理，得到多個(gè)采樣節(jié)點(diǎn)；

31、獲取各個(gè)采樣節(jié)點(diǎn)的相鄰節(jié)點(diǎn)，其中，任一采樣節(jié)點(diǎn)的相鄰節(jié)點(diǎn)為所述更新后的數(shù)據(jù)關(guān)聯(lián)圖中，與所述任一采樣節(jié)點(diǎn)具邊連接關(guān)系的節(jié)點(diǎn)；

32、對各個(gè)采樣節(jié)點(diǎn)的相鄰節(jié)點(diǎn)的特征向量進(jìn)行特征聚合處理，以在特征聚合處理后，得到各個(gè)采樣節(jié)點(diǎn)的特征向量；

33、將各個(gè)采樣節(jié)點(diǎn)的特征向量，作為所述目標(biāo)數(shù)據(jù)表的表頭特征向量。

34、在一個(gè)可能的設(shè)計(jì)中，所述更新后的數(shù)據(jù)關(guān)聯(lián)圖中包含有多個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)分別對應(yīng)一個(gè)數(shù)據(jù)項(xiàng)，任一節(jié)點(diǎn)具有頂點(diǎn)標(biāo)識(shí)符，所述頂點(diǎn)標(biāo)識(shí)符用于唯一表示所述任一節(jié)點(diǎn)對應(yīng)的數(shù)據(jù)項(xiàng)，且各節(jié)點(diǎn)之間采用頂點(diǎn)標(biāo)識(shí)符和邊建立關(guān)聯(lián)關(guān)系；

35、其中，將所述目標(biāo)數(shù)據(jù)表的表頭特征向量輸入至所述數(shù)據(jù)分級(jí)模型，以得到所述目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)概率，包括：

36、將各個(gè)采樣節(jié)點(diǎn)的特征向量，輸入至所述數(shù)據(jù)分級(jí)模型，以得到各個(gè)采樣節(jié)點(diǎn)的分級(jí)概率；

37、根據(jù)各個(gè)采樣節(jié)點(diǎn)的頂點(diǎn)標(biāo)識(shí)符以及分級(jí)概率，確定出所述目標(biāo)數(shù)據(jù)表中各個(gè)數(shù)據(jù)項(xiàng)對應(yīng)表頭的分級(jí)概率，以便根據(jù)所述目標(biāo)數(shù)據(jù)表中各個(gè)數(shù)據(jù)項(xiàng)對應(yīng)表頭的分級(jí)概率，得出所述目標(biāo)數(shù)據(jù)表中各個(gè)數(shù)據(jù)項(xiàng)對應(yīng)表頭的分級(jí)結(jié)果，并基于所述目標(biāo)數(shù)據(jù)表中各個(gè)數(shù)據(jù)項(xiàng)對應(yīng)表頭的分級(jí)結(jié)果，對所述目標(biāo)數(shù)據(jù)表中各個(gè)表頭對應(yīng)的數(shù)據(jù)進(jìn)行脫敏處理。

38、在一個(gè)可能的設(shè)計(jì)中，根據(jù)各個(gè)采樣節(jié)點(diǎn)的頂點(diǎn)標(biāo)識(shí)符以及分級(jí)概率，確定出所述目標(biāo)數(shù)據(jù)表中各個(gè)數(shù)據(jù)項(xiàng)對應(yīng)表頭的分級(jí)結(jié)果，包括：

39、對于任一采樣節(jié)點(diǎn)，根據(jù)所述任一采樣節(jié)點(diǎn)的頂點(diǎn)標(biāo)識(shí)符，從所述更新后的數(shù)據(jù)關(guān)聯(lián)圖中，確定出與所述任一采樣節(jié)點(diǎn)的頂點(diǎn)標(biāo)識(shí)符具有關(guān)聯(lián)關(guān)系的頂點(diǎn)標(biāo)識(shí)符，以作為目標(biāo)標(biāo)識(shí)符；

40、判斷所述目標(biāo)數(shù)據(jù)表中的各個(gè)數(shù)據(jù)項(xiàng)對應(yīng)的頂點(diǎn)標(biāo)識(shí)符中，是否存在有與所述目標(biāo)標(biāo)識(shí)符相同的頂點(diǎn)標(biāo)識(shí)符；

41、若是，則將所述任一采樣節(jié)點(diǎn)對應(yīng)的分級(jí)概率，作為指定數(shù)據(jù)項(xiàng)對應(yīng)表頭的分級(jí)概率，以便基于所述指定數(shù)據(jù)項(xiàng)對應(yīng)表頭的分級(jí)概率，得出所述指定數(shù)據(jù)項(xiàng)對應(yīng)表頭的分級(jí)結(jié)果，其中，所述指定數(shù)據(jù)項(xiàng)為所述目標(biāo)數(shù)據(jù)表中，與所述目標(biāo)標(biāo)識(shí)符相同的頂點(diǎn)標(biāo)識(shí)符所對應(yīng)的數(shù)據(jù)項(xiàng)。

42、第二方面，提供了一種基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)裝置，包括：

43、獲取單元，用于獲取目標(biāo)數(shù)據(jù)表，其中，所述目標(biāo)數(shù)據(jù)表中包含有多個(gè)數(shù)據(jù)項(xiàng)，每個(gè)數(shù)據(jù)項(xiàng)分別用于表征所述目標(biāo)數(shù)據(jù)表中的一個(gè)表頭，且多個(gè)數(shù)據(jù)項(xiàng)用于表征人員信息數(shù)據(jù)；

44、構(gòu)圖單元，用于獲取數(shù)據(jù)關(guān)聯(lián)圖，其中，數(shù)據(jù)關(guān)聯(lián)圖的數(shù)據(jù)結(jié)構(gòu)為圖結(jié)構(gòu)，數(shù)據(jù)關(guān)聯(lián)圖中包含有多個(gè)節(jié)點(diǎn)，每個(gè)節(jié)點(diǎn)分別對應(yīng)一個(gè)歷史數(shù)據(jù)項(xiàng)，且各個(gè)節(jié)點(diǎn)之間采用邊建立關(guān)聯(lián)關(guān)系；

45、構(gòu)圖單元，還用于利用所述目標(biāo)數(shù)據(jù)表中的各個(gè)數(shù)據(jù)項(xiàng)，更新所述數(shù)據(jù)關(guān)聯(lián)圖，得到更新后的數(shù)據(jù)關(guān)聯(lián)圖，其中，所述更新后的數(shù)據(jù)關(guān)聯(lián)圖中包含有所述目標(biāo)數(shù)據(jù)表中的所有數(shù)據(jù)項(xiàng)；

46、特征提取單元，用于基于更新后的數(shù)據(jù)關(guān)聯(lián)圖，確定出所述目標(biāo)數(shù)據(jù)表的表頭特征向量；

47、數(shù)據(jù)分級(jí)單元，用于獲取基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)模型，其中，所述數(shù)據(jù)分級(jí)模型是以各個(gè)樣本數(shù)據(jù)表的表頭特征向量為輸入，各個(gè)樣本數(shù)據(jù)表中的各個(gè)表頭的分級(jí)概率為輸出而訓(xùn)練得到的；

48、數(shù)據(jù)分級(jí)單元，用于將所述目標(biāo)數(shù)據(jù)表的表頭特征向量輸入至所述數(shù)據(jù)分級(jí)模型，以得到所述目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)概率；

49、數(shù)據(jù)分級(jí)單元，還用于根據(jù)所述目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)概率，得出目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)結(jié)果，以便基于所述目標(biāo)數(shù)據(jù)表中的各個(gè)表頭的分級(jí)結(jié)果，對目標(biāo)數(shù)據(jù)表中的數(shù)據(jù)進(jìn)行脫敏處理。

50、第三方面，提供了另一種基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)裝置，以裝置為電子設(shè)備為例，包括依次通信相連的存儲(chǔ)器、處理器和收發(fā)器，其中，所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)程序，所述收發(fā)器用于收發(fā)消息，所述處理器用于讀取所述計(jì)算機(jī)程序，執(zhí)行如第一方面或第一方面中任意一種可能設(shè)計(jì)的所述基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)方法。

51、第四方面，提供了一種存儲(chǔ)介質(zhì)，存儲(chǔ)介質(zhì)上存儲(chǔ)有指令，當(dāng)所述指令在計(jì)算機(jī)上運(yùn)行時(shí)，執(zhí)行如第一方面或第一方面中任意一種可能設(shè)計(jì)的所述基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)方法。

52、第五方面，提供了一種包含指令的計(jì)算機(jī)程序產(chǎn)品，當(dāng)指令在計(jì)算機(jī)上運(yùn)行時(shí)，使計(jì)算機(jī)執(zhí)行如第一方面或第一方面中任意一種可能設(shè)計(jì)的所述基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級(jí)方法。

53、有益效果：

54、（1）本發(fā)明通過引入基于圖結(jié)構(gòu)的數(shù)據(jù)關(guān)聯(lián)圖，來表征數(shù)據(jù)表中各個(gè)表頭之間的關(guān)聯(lián)關(guān)系，并在每次分級(jí)前，利用本次分級(jí)的數(shù)據(jù)表中的各個(gè)表頭，來更新數(shù)據(jù)關(guān)聯(lián)圖，從而建立本次分級(jí)的數(shù)據(jù)表中各個(gè)表頭之間的數(shù)據(jù)關(guān)聯(lián)；而后，則可基于該更新后的數(shù)據(jù)關(guān)聯(lián)圖，來提取出表頭特征向量；如此，基于更新后的數(shù)據(jù)關(guān)聯(lián)圖所確定出的特征向量，則包含有本次數(shù)據(jù)表中各個(gè)表頭之間，以及與歷史分級(jí)的各個(gè)表頭之間的關(guān)聯(lián)關(guān)系；最后，將該表頭特征向量輸入至數(shù)據(jù)分級(jí)模型，則可得出本次數(shù)據(jù)表中各個(gè)表頭的分級(jí)結(jié)果；由此，本發(fā)明在數(shù)據(jù)分級(jí)時(shí)，不僅僅依賴于數(shù)據(jù)本身的特征，還同時(shí)結(jié)合了數(shù)據(jù)關(guān)聯(lián)圖，來保留了數(shù)據(jù)之間的關(guān)聯(lián)關(guān)系，基于此，不僅可提高數(shù)據(jù)分類分級(jí)的準(zhǔn)確性，進(jìn)而保證了數(shù)據(jù)脫敏的可靠性，且相比于人工審核，還降低了審核工作量，從而非常適用于大規(guī)模應(yīng)用與推廣。