CN110598065B 一种数据挖掘方法、装置和计算机可读存储介质 （腾讯云计算（北京）有限责任公司）

2对待处理数据集进行特征提取，以构造特征空间，所述待处理数在所述特征空间中提取节点特征，以生成所述待处理数据集在所述图数据中筛选出所述节点对应的数据簇，包括：在所点的所述聚类子图在所述聚类图中的位置，获取所述节点在待处理数据集中对应的数据，得到挖掘的数据，所述挖掘的数据为坏档,所述簇内纯度不低于所述预设簇内纯度阈值的根据所述预测簇类纯度与已标注的簇类纯度对所述预设图识别模型4.根据权利要求1至3任一项所述的数据挖掘方法，其特征在所述待处理数据集的图数据中筛选所述目标节根据所述节点对应的图数据，在所述待处理数据集中获取所述节点5.根据权利要求1至3任一项所述的数据挖3搜索所述节点对应的邻节点；在所述图数据中对所述节点和对应的所述邻节点进行聚类，图数据中相隔距离在预设距离阈值内的节点；在所述聚类图中生成所述节点的聚类子图，述数据簇内每个所述节点将与其直接相连的所述邻节点发送的特征信息聚集起来进行特获取单元，用于当所述节点对应的所述数据簇的所述簇内纯度低于预设纯度阈值时，所述指令适于处理器进行加载，以执行权利要求1至6任一项所述的数据挖掘方法中的步4567置从服务器中获取用户上传的数据组成数据集，其中数据集中可以包括一种类型的数据，尾部的一个或多个节点信息中获取它们的相互关系，根据相互关系判断根节点的节点信8向量与目标节点转为的目标向量之间夹角的余弦值作为衡量或判断剩余的其他节点与目标节点的余弦距离，通过剩余的其他节点与目标节点的余弦距离与预设距离阈值进行判[0063]在图数据中对目标节点及其对应的邻节点进行层次聚类，得到目标节点的聚类过计算每一个类别的数据点与所有数据点之间的距离来确定它们之间的相似性，距离越9[0071]其中，A(Pi)为目标节点vj视觉特征上相关联的顶点集构成的聚类子图，和fi[0072]GCN模型通过特征提取获取数据簇内的数据信息后，根据数据信息对数据簇内的数据即为A类数据，则该数据簇的簇内纯度为A类数据的数量100个与数据簇内数据总数量[0082](3)根据预测的簇内纯度与标注的簇类纯度对预设图识别模型进行收敛，得到训纯度对该图识别模型中用于计算簇内纯度输出的参数进行调整，以及通过插值损失函数，根据该数据集样本中标注的数据簇的簇内纯度和预测簇内纯度对该图识别模型中用于计[0091](2)当簇内纯度不低于预设簇内纯度阈值时，继续下一个节点对应的数据簇的簇于该方案不仅考察了数据簇内所有的特征信息，而且通过数据簇内的簇内纯度去评估坏样本中标注的数据簇的簇内纯度和预测簇内纯度对该图识别模型中用于计算簇内纯度输纯度对该图识别模型中用于计算簇内纯度输出的参数进行调整，以及通过插值损失函数，根据该数据集样本中标注的数据簇的簇内纯度和预测簇内纯度对该图识别模型中用于计点直接相邻的节点，还可以包括与目标节点在图数据中相隔距离在预设距离阈值内的节节点转化的向量与目标节点转为的目标向量之间夹角的余弦值作为衡量或判断剩余的其以看作聚类图中跟目标节点聚类最近的或者最为相似的一个或者多个数据的组成的子拓[0118]电子设备将数据簇内的每一个节点将自身特征信息经过变换后发送给各自的邻[0121]其中，A(Pi)为目标节点vj视觉特征上相关联的顶点集构成的聚类子图，和fi[0122]电子设备中的GCN模型通过特征提取获取数据簇内的数据信息后，根据数据信息数据即为A类数据，则该数据簇的簇内纯度为A类数据的数量100个与数据簇内数据总数量据簇计算簇内纯度，直到完成图数据中全部节点对应的数据簇的簇内纯度的计算完成为[0150]其中，筛选单元303可以包括搜索子单元3031、聚类子单元3032和筛选子单元可以通过将已知数据类型和数据的数据集样本和数据集样本数据簇对应的簇内纯度上传了对特征表征的过渡依赖，可以更加快速、高效的、准确的挖掘出数据中的坏档(Bad[0173]该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上[0174]处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401[0175]存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402个种类的节点特征中提取对应的节点信息，根据提取的各个种类的节点信息构建关系树，个种类的节点特征中提取对应的节点信息，根据提取的各个种类的节点信息构建关系树，