数据处理方法、装置、计算机可读存储介质及计算机设备与流程

技术特征：
1.一种数据处理方法，其特征在于，所述方法包括：获取多个网格单元中每一网格单元对应的与生产总值信息关联的至少两个维度的统计数据，所述多个网格单元为按照预设规则对预设地理区域进行划分得到的多个子区域；基于网格单元之间的位置关系以及所述至少两个维度的统计数据生成至少两个以所述多个网格单元为节点的图结构；根据所述至少两个图结构构建图神经网络模型，并基于所述图神经网络模型对每一网格单元进行表征学习，得到每一网格单元对应的特征向量；获取所述多个网格单元中第一预设数量个第一网格单元对应的第一生产总值信息，并根据所述预设数量个第一网格单元对应的第一特征向量以及所述第一生产总值信息训练预设回归模型，得到训练后的回归模型；基于所述训练后的回归模型计算所述预设地理区域中的目标区域对应的目标生产总值信息。2.根据权利要求1所述的方法，其特征在于，所述基于网格单元之间的位置关系以及所述至少两个维度的统计数据生成至少两个以所述多个网格单元为节点的图结构，包括：获取网格单元之间的位置关系数据，并根据所述位置关系数据生成网格单元之间的第一图结构；从所述至少两个维度的统计数据中提取网格单元之间的功能属性关系数据，并根据所述功能属性关系数据生成网格单元之间的第二图结构；从所述至少两个维度的统计数据中提取网格单元之间的交互关系数据，并根据所述交互关系数据生成网格单元之间的第三图结构；所述根据所述至少两个图结构构建图神经网络模型，包括；根据所述第一图结构、所述第二图结构以及所述第三图结构构建图神经网络。3.根据权利要求2所述的方法，其特征在于，所述根据所述位置关系数据生成网格单元之间的第一图结构，包括：根据所述位置关系数据确定网格单元之间的相邻关系；根据所述相邻关系生成相邻关系矩阵；以所述多个网格单元为节点，以所述相邻关系矩阵为边构建网格单元之间的第一图结构。4.根据权利要求2所述的方法，其特征在于，所述基于所述图神经网络模型对每一网格单元进行表征学习，得到每一网格单元对应的特征向量，包括：基于预设的损失函数对所述图神经网络中包含的多个子图神经网络模型进行无监督学习训练，得到训练后的多个子图神经网络模型；将所述每一网格单元对应的与生产总值信息关联的至少两个维度的统计数据输入至所述训练后的多个子图神经网络模型，得到每一网格单元对应的多个子特征向量；根据每一网格单元对应的多个子特征向量确定每一网格单元对应的特征向量。5.根据权利要求4所述的方法，其特征在于，所述根据每一网格单元对应的多个子特征向量确定每一网格单元对应的特征向量，包括：获取每一子特征向量对应的权重系数；基于所述每一子特征向量对应的权重系数对所述多个子特征向量进行加权求和，得到
每一网格单元对应的特征向量。6.根据权利要求1所述的方法，其特征在于，所述获取多个网格单元中每一网格单元对应的与生产总值信息关联的至少两个维度的统计数据，包括：获取预设地理区域的第一遥感影像数据、第一人口流动数据、第一基础设施统计数据以及第一道路网络数据；基于预设规则对所述地理区域进行划分，得到多个网格单元；基于所述预设规则对所述第一遥感影像数据、所述第一人口流动数据、所述第一基础设施统计数据以及所述第一道路网络数据进行划分，得到每一网格单元对应的第二遥感影像数据、第二人口流动数据、第二基础设施统计数据以及第二道路网络数据；所述基于网格单元之间的位置关系以及所述至少两个维度的统计数据生成至少两个以所述多个网格单元为节点的图结构，包括：基于网格单元之间的位置关系以及每一网格单元对应的第二遥感影像数据、第二人口流动数据、第二基础设施统计数据以及第二道路网络数据生成至少两个以所述多个网格单元为节点的图结构。7.根据权利要求1所述的方法，其特征在于，所述基于所述训练后的回归模型计算所述预设地理区域中的目标区域对应的目标生产总值信息，包括：获取测试数据集合，所述测试数据集合包括所述多个网格单元中第二预设数量个第二网格单元对应的第二生产总值信息；采用所述测试数据集合对所述训练后的回归模型进行精度测试；当所述精度测试的结果指标数值大于预设阈值时，基于所述训练后的回归模型计算所述预设地理区域中的目标区域对应的目标生产总值信息。8.根据权利要求1所述的方法，其特征在于，所述基于所述训练后的回归模型计算所述预设地理区域中的目标区域对应的目标生产总值信息，包括：在所述多个网格单元中确定与目标区域对应的多个第三网格单元并确定每一第三网格单元对应的第三特征向量；将每一第三特征向量输入至所述训练后的回归模型，得到每一第三网格单元对应的第三生产总值信息，并基于所述第三生产总值信息计算所述目标区域的目标生产总值信息。9.一种数据处理装置，其特征在于，所述装置包括：获取单元，用于获取多个网格单元中每一网格单元对应的与生产总值信息关联的至少两个维度的统计数据，所述多个网格单元为按照预设规则对预设地理区域进行划分得到的多个子区域；生成单元，用于基于网格单元之间的位置关系以及所述至少两个维度的统计数据生成至少两个以所述多个网格单元为节点的图结构；学习单元，用于根据所述至少两个图结构构建图神经网络模型，并基于所述图神经网络模型对每一网格单元进行表征学习，得到每一网格单元对应的特征向量；训练单元，用于获取所述多个网格单元中预设数量个第一网格单元对应的第一生产总值信息，并根据所述预设数量个第一网格单元对应的第一特征向量以及所述第一生产总值信息训练预设回归模型，得到训练后的回归模型；计算单元，用于基于所述训练后的回归模型计算所述预设地理区域中的目标区域对应
的目标生产总值信息。10.根据权利要求9所述的装置，其特征在于，所述生成单元，包括：第一生成子单元，用于获取网格单元之间的位置关系数据，并根据所述位置关系数据生成网格单元之间的第一图结构；第二生成子单元，用于从所述至少两个维度的统计数据中提取网格单元之间的功能属性关系数据，并根据所述功能属性关系数据生成网格单元之间的第二图结构；第三生成子单元，用于从所述至少两个维度的统计数据中提取网格单元之间的交互关系数据，并根据所述交互关系数据生成网格单元之间的第三图结构；所述学习单元，还用于：根据所述第一图结构、所述第二图结构以及所述第三图结构构建图神经网络。11.根据权利要求10所述的装置，其特征在于，所述第一生成子单元，包括：确定模块，用于根据所述位置关系数据确定网格单元之间的相邻关系；生成模块，用于根据所述相邻关系生成相邻关系矩阵；构建模块，用于以所述多个网格单元为节点，以所述相邻关系矩阵为边构建网格单元之间的第一图结构。12.根据权利要求10所述的装置，其特征在于，所述学习单元，包括：学习子单元，用于基于预设的损失函数对所述图神经网络中包含的多个子图神经网络模型进行无监督学习训练，得到训练后的多个子图神经网络模型；输入子单元，用于将所述每一网格单元对应的与生产总值信息关联的至少两个维度的统计数据输入至所述训练后的多个子图神经网络模型，得到每一网格单元对应的多个子特征向量；确定子单元，用于根据每一网格单元对应的多个子特征向量确定每一网格单元对应的特征向量。13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1至8中任一项所述的数据处理方法的步骤。14.一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可以在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的数据处理方法的步骤。15.一种计算机程序，其特征在于，所述计算机程序包括计算机指令，所述计算机指令存储在存储介质中，计算机设备的处理器从所述存储介质读取所述计算机指令，所述处理器执行所述计算机指令，使得所述计算机设备执行权利要求1至8中任一项所述的数据处理方法的步骤。

技术总结
本发明实施例公开了一种数据处理方法、装置、计算机可读存储介质及计算机设备，方法通过获取每一网格单元对应的与生产总值信息关联的至少两个维度的统计数据；基于网格单元之间的位置关系以及统计数据生成至少两个图结构；根据至少两个图结构构建图神经网络模型，并基于图神经网络模型确定每一网格单元对应的特征向量；根据预设数量个第一网格单元对应的第一特征向量以及第一生产总值信息训练预设回归模型；基于训练后的回归模型计算目标区域对应的目标生产总值。以此，采用机器学习方法，根据部分已知生产总值的网格单元训练网络模型，再采用训练后的网络模型对其他网格单元的生产总值进行预测，从而可以提高区域经济发展水平的评估效率。展水平的评估效率。展水平的评估效率。


技术研发人员：涂伟 蔡纪烜 曹瑞 赵天鸿 苏函晶 肖洁
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2021.08.04
技术公布日：2023/2/17