一种基于Meta-GNN模型的大规模图数据处理方法

一种基于Meta‑GNN模型的大规模图数据处理方法，涉及图数据处理技术领域。对于大规模图数据而言，把大规模图数据划分至多台计算机学习或者对其进行采样学习可以有效解决存储问题，但产生了传输开销或学习效率较低等新问题。有鉴于此，本发明提出了Meta‑GNN模型，能够在一台机器上对整个图进行学习且在解决存储问题和不降低精度的同时提高学习效率。通过识别图数据中结构和属性的普遍规律来增强模型的泛化及适应能力，进而改善其在处理大规模图数据时的性能表现，提升处理大规模图数据时的效率。数据集实验结果证实了其提升大规模图数据上GNN的训练和效率方面有显著效果，为处理复杂图数据问题提供了一个有力的解决途径。