技術(shù)特征：

1.一種基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，利用所述目標數(shù)據(jù)表中的各個數(shù)據(jù)項，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：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述數(shù)據(jù)關(guān)聯(lián)圖中的任一節(jié)點具有頂點標識符，其中，所述任一節(jié)點的頂點標識符用于唯一表示該任一節(jié)點對應(yīng)的歷史數(shù)據(jù)項，且各節(jié)點之間采用頂點標識符和邊建立關(guān)聯(lián)關(guān)系；

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，若多個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：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，若多個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：

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述更新后的數(shù)據(jù)關(guān)聯(lián)圖，確定出所述目標數(shù)據(jù)表的表頭特征向量，包括：

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述更新后的數(shù)據(jù)關(guān)聯(lián)圖中包含有多個節(jié)點，每個節(jié)點分別對應(yīng)一個數(shù)據(jù)項，任一節(jié)點具有頂點標識符，所述頂點標識符用于唯一表示所述任一節(jié)點對應(yīng)的數(shù)據(jù)項，且各節(jié)點之間采用頂點標識符和邊建立關(guān)聯(lián)關(guān)系；

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，根據(jù)各個采樣節(jié)點的頂點標識符以及分級概率，確定出所述目標數(shù)據(jù)表中各個數(shù)據(jù)項對應(yīng)表頭的分級結(jié)果，包括：

9.一種基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級裝置，其特征在于，包括：

10.一種包含指令的計算機程序產(chǎn)品，其特征在于，當(dāng)指令在計算機上運行時，使計算機執(zhí)行如權(quán)利要求1～8任意一項所述的基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級方法。

技術(shù)總結(jié)
本發(fā)明為解決現(xiàn)有技術(shù)所存在的數(shù)據(jù)分級準確率低的問題，公開了一種基于圖神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)分級方法、裝置及計算機程序產(chǎn)品，本發(fā)明引入了基于圖結(jié)構(gòu)的數(shù)據(jù)關(guān)聯(lián)圖來表征數(shù)據(jù)關(guān)聯(lián)關(guān)系，并在每次分級前，利用本次分級的數(shù)據(jù)表中的各個表頭，來更新關(guān)聯(lián)圖；而后，則可基于更新后的關(guān)聯(lián)圖，來提取出表頭特征向量；如此，基于該圖所確定出的特征向量，則包含有本次數(shù)據(jù)表中各個表頭之間，以及與歷史分級的各個表頭之間的關(guān)聯(lián)關(guān)系；最后，將表頭特征向量輸入至數(shù)據(jù)分級模型，則可得出各表頭的分級結(jié)果；由此，本發(fā)明在分級時，不僅僅依賴于數(shù)據(jù)本身的特征，還同時結(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)分類分級的準確性。

技術(shù)研發(fā)人員：王軍,范端勝,李剛
受保護的技術(shù)使用者：北京世紀龍脈科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19