一种将节点分类转换为子图分类的转换及分类预测方法

本发明公开了一种将节点分类转换为子图分类的转换及分类预测方法，其特点是该方法包括：将节点分类数据集转换为子图分类数据集；为子图节点注入身份信息；基于消息传递框架的子图编码器GIN编码节点信息；聚合中心节点及周围节点不同层的特征表示，使用可学习因子对不同特征进行缩放，得到特征表示将特征表示输入前馈神经网络预测子图标签，计算预测标签和真实标签的交叉熵损失，并根据该损失调整图神经网络模型参数与特征缩放因子等步骤。本发明与现有技术相比具有将子图信息与单个节点的特征进行融合，缓解标签冲突，提高模型性能，解决了相同的诱导子图仅仅因为起始节点类型不同而需要赋予不同标签的问题，具有良好的应用前景。