用于图神经网络处理的系统、计算设备及存储介质的制作方法

技术特征：
1.一种用于图神经网络处理的系统，其特征在于，用于对样本图数据进行处理，所述样本图数据包括多个样本节点以及多个样本节点之间的关联关系，所述多个样本节点包括第一节点以及第二节点，所述系统包括：执行组件，所述执行组件包括：图处理组件，用于获取样本图数据以及样本节点选择方式，并根据样本节点选择方式从所述样本图数据中确定第一节点与第二节点之间的关联关系，所述第一节点是指所述样本节点中的待处理节点，所述第二节点是指所述样本节点中用于处理所述第一节点的其它节点；神经网络处理组件，用于获取所述关联关系，基于确定的关联关系，对所述第二节点的信息进行聚合，并更新所述第一节点的信息，以用于图神经网络模型的训练过程。2.根据权利要求1所述的系统，其特征在于，所述系统还包括：接口组件；所述接口组件，用于获取用户自定义函数，所述用户自定义函数用于进行所述关联关系的确定、对所述第二节点的信息进行聚合以及更新，以用于图神经网络模型的训练过程；所述执行组件，基于所述接口组件，获取所述用户自定义函数，并将所述用户自定义函数转换为与所述神经网络处理组件对应的执行内容、以及与所述图处理组件对应的执行内容，以使得所述神经网络处理组件以及图处理组件根据对应的执行内容，来实现所述图神经网络模型的训练。3.根据权利要求2所述的系统，其特征在于，所述神经网络处理组件，用于通过所述用户自定义函数对应的执行内容，确定对应的聚合函数，并根据所述聚合函数确定聚合方式，以使基于确定的关联关系，对所述第二节点的信息进行聚合。4.根据权利要求2所述的系统，其特征在于，所述神经网络处理组件，用于通过所述用户自定义函数对应的执行内容，确定对应的更新方式，以使根据所述更新方式更新第一节点的信息，以用于所述图神经网络模型进行训练。5.根据权利要求1所述的系统，其特征在于，所述系统还包括：负载处理组件；负载处理组件，用于基于所述图处理组件，获取样本图数据中的第一节点以及所述第一节点基于样本节点选择方式确定的对应关联关系，并根据样本图数据中的第一节点，以及所述第一节点基于样本节点选择方式确定的对应关联关系，确定基于第一节点对应的训练负载；所述负载处理组件，用于基于所述第一节点对应的训练负载，对所述样本图数据进行负载均衡划分，并将划分后的样本图数据分发至用于训练所述图神经网络模型的设备。6.根据权利要求5所述的系统，其特征在于，所述负载处理组件，用于基于所述第一节点对应的训练负载，以及在划分所述样本图数据的情况下所划分掉的关联关系数量，对所述样本图数据进行负载均衡划分，并将划分后的样本图数据分发至用于训练所述图神经网络模型的设备。7.根据权利要求5或6所述的系统，其特征在于，所述系统还包括：消息传递接口组件；所述消息传递接口组件，用于使得用于训练所述图神经网络模型的设备进行设备之间的通信。8.根据权利要求1所述的系统，其特征在于，所述系统还包括：存储组件；所述存储组件，用于存储所述样本图数据以及所述样本节点的信息。9.根据权利要求5或6所述的系统，其特征在于，所述系统部署在云服务器上，所述云服
务器包括多个虚拟设备；所述负载处理组件，用于将划分后的样本图数据分发至用于训练预置图神经网络模型的虚拟设备；在所述虚拟设备上的所述神经网络处理组件，用于接收划分后的样本图数据，并根据划分后的样本图数据，以及所述关联关系，对划分后的样本图数据中的第二节点的信息进行聚合，并更新第一节点的信息，以对所述图神经网络模型进行训练。10.一种图神经网络的训练方法，其特征在于，用于对样本图数据进行处理，所述样本图数据包括多个样本节点以及多个样本节点之间的关联关系，所述多个样本节点包括第一节点以及第二节点，所述方法包括：获取作为训练样本的样本图数据以及对应的第一节点，所述第一节点是指所述样本节点中的待处理节点；确定针对所述第一节点的样本节点选择方式；根据所述样本节点选择方式，从样本图数据中确定所述第一节点与第二节点之间的关联关系，所述第二节点是指所述样本节点中用于处理所述第一节点的其它节点；基于确定的关联关系，对第二节点的信息进行聚合，并更新第一节点的信息，以用于图神经网络模型的训练过程。11.一种电子设备，其特征在于，包括：存储器、处理器；所述存储器，用于存储计算机程序；所述处理器，执行所述计算机程序，以用于：获取作为训练样本的样本图数据以及对应的第一节点；确定针对所述第一节点的样本节点选择方式，其中，所述样本图数据包括多个样本节点以及多个样本节点之间的关联关系，所述多个样本节点包括第一节点以及第二节点；根据所述样本节点选择方式，从样本图数据中确定所述第一节点与第二节点之间的关联关系，所述第二节点是指所述样本节点中用于处理所述第一节点的其它节点；基于确定的关联关系，对第二节点的信息进行聚合，并更新第一节点的信息，以用于图神经网络模型的训练过程。12.一种存储有计算机程序的计算机可读存储介质，其特征在于，计算机程序被一个或多个处理器执行时，致使所述一个或多个处理器实现权利要求11所述方法中的步骤。

技术总结
本申请实施例提供一种用于图神经网络处理的系统、计算设备及存储介质。在本申请实施例中，该系统包括：执行组件，执行组件包括：图处理组件，用于获取样本图数据以及样本节点选择方式，并根据样本节点选择方式从样本图数据中确定第一节点与第二节点之间的关联关系，第一节点是指样本节点中的待处理节点，第二节点是指样本节点中用于处理第一节点的其它节点；神经网络处理组件，用于获取关联关系，基于确定的关联关系，对第二节点的信息进行聚合，并更新第一节点的信息，以用于图神经网络模型的训练过程。从而使得能够灵活地兼容多种不同类型的图神经网络模型。型的图神经网络模型。型的图神经网络模型。


技术研发人员：王磊 尹强 田超 于文渊 杨健邦 周靖人
受保护的技术使用者：阿里巴巴新加坡控股有限公司
技术研发日：2021.05.28
技术公布日：2022/11/29