超图匹配方法、装置、电子设备及存储介质

本申请涉及图像处理，特别涉及一种超图匹配方法、装置、电子设备及存储介质。

背景技术：

1、在计算机视觉、模式识别、社交网络分析、生物信息学和知识图谱等领域，对高阶关联数据进行精确匹配具有重要意义。传统的图匹配算法主要关注节点和超边之间的对应关系，但无法充分捕捉实体之间的复杂关联。超图作为一种能够表示高阶关联的图论扩展，提供了更强大的建模能力。现有的超图匹配算法在面对大规模、高维度的超图数据时，仍面临一些挑战：

2、(1)高阶关联性建模：超图具有多个节点和超边之间的复杂关联，因此需要开发新的算法来准确建模和捕捉这些高阶关联关系，以实现更精确的匹配结果。

3、(2)计算复杂度高：由于超图的复杂性，匹配算法的计算复杂度通常较高。在大规模超图数据集上进行高效的匹配成为一个具有挑战性的问题，需要设计高效的算法和数据结构来提高匹配的速度和效率。

4、(3)鲁棒性和可扩展性：匹配算法需要具备对数据噪声和变化的鲁棒性，以及能够处理不同规模和类型的超图数据的可扩展性。这需要在算法设计中考虑到实际应用中的各种复杂情况，并提供灵活的算法框架。

5、相关技术中，可以通过构建超图的方式进行物体特征的匹配。

6、然而，相关技术中，由于超图的复杂性，匹配算法的计算复杂度高，匹配速度和效率低下，无法应对数据噪声和变化，鲁棒性和可扩展性差，节点和超边之间的关联复杂，无法准确捕捉超图中的高阶关联关系，亟待改进。

技术实现思路

1、本申请提供一种超图匹配方法、装置、电子设备及存储介质，以解决相关技术中，由于超图的复杂性，匹配算法的计算复杂度高，匹配速度和效率低下，无法应对数据噪声和变化，鲁棒性和可扩展性差，节点和超边之间的关联复杂，无法准确捕捉超图中的高阶关联关系等问题。

2、本申请第一方面实施例提供一种超图匹配方法，包括以下步骤：对输入的超图进行预处理，补全缺失的节点和超边的标签，得到超图集合；从所述超图集合中，筛选出满足预设条件的超图；将所述满足预设条件的超图输入至预设的超图同构测试算法中，生成超图的嵌入表示；逐对比较超图嵌入表示，判断是否满足预设匹配条件；如果满足所述预设匹配条件，则将超图特征输入到预设机器学习模型中，以进行相似度判别，计算最终的匹配分数。

3、可选地，在本申请的一个实施例中，所述对输入的超图进行预处理，补全缺失的节点和超边的标签，得到超图集合，包括：对于没有标签信息的节点和超边，通过预设数据补全方式填充缺失的标签信息；对于不同类型的超图进行标准化处理；通过预设的超边集合构建超图集合的表示，确定所述超图集合。

4、可选地，在本申请的一个实施例中，所述从所述超图集合中，筛选出满足预设条件的超图，包括：剔除节点或超边数量不处于预设范围的超图，得到剔除后的至少一个超图；从所述剔除后的至少一个超图中，优先选取具备目标标签特征的超图，得到筛选后的至少一个超图；从所述筛选后的至少一个超图中，根据结构相似性进行分组，得到所述满足预设条件的超图。

5、可选地，在本申请的一个实施例中，所述将所述满足预设条件的超图输入至预设的超图同构测试算法中，生成超图的嵌入表示，包括：聚集近邻节点的标签更新当前超边的标签；通过近邻的超边更新当前节点的标签；对不同的节点标签进行计数，生成所述超图的嵌入表示。

6、本申请第二方面实施例提供一种超图匹配装置，包括：预处理模块，用于对输入的超图进行预处理，补全缺失的节点和超边的标签，得到超图集合；筛选模块，用于从所述超图集合中，筛选出满足预设条件的超图；生成模块，用于将所述满足预设条件的超图输入至预设的超图同构测试算法中，生成超图的嵌入表示；判断模块，用于逐对比较超图嵌入表示，判断是否满足预设匹配条件；计算模块，用于在满足所述预设匹配条件时，将超图特征输入到预设机器学习模型中，以进行相似度判别，计算最终的匹配分数。

7、可选地，在本申请的一个实施例中，所述预处理模块包括：填充单元，用于对于没有标签信息的节点和超边，通过预设数据补全方式填充缺失的标签信息；处理单元，用于对于不同类型的超图进行标准化处理；确定单元，用于通过预设的超边集合构建超图集合的表示，确定所述超图集合。

8、可选地，在本申请的一个实施例中，所述筛选模块包括：剔除单元，用于剔除节点或超边数量不处于预设范围的超图，得到剔除后的至少一个超图；优选单元，用于从所述剔除后的至少一个超图中，优先选取具备目标标签特征的超图，得到筛选后的至少一个超图；分组单元，用于从所述筛选后的至少一个超图中，根据结构相似性进行分组，得到所述满足预设条件的超图。

9、可选地，在本申请的一个实施例中，所述生成模块包括：第一更新单元，用于聚集近邻节点的标签更新当前超边的标签；第二更新单元，用于通过近邻的超边更新当前节点的标签；生成单元，用于对不同的节点标签进行计数，生成所述超图的嵌入表示。

10、本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的超图匹配方法。

11、本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的超图匹配方法。

12、本申请实施例可以采用特征提取和嵌入表示方法，结合优化的超图同构测试算法和机器学习模型，计算最终的匹配分数，从而准确捕捉超图中的高阶关联关系，实现在大规模超图数据集上的高速匹配，提高匹配算法的准确性和效率，保障超图匹配算法的鲁棒性和可扩展性。由此，解决了相关技术中，由于超图的复杂性，匹配算法的计算复杂度高，匹配速度和效率低下，无法应对数据噪声和变化，鲁棒性和可扩展性差，节点和超边之间的关联复杂，无法准确捕捉超图中的高阶关联关系等问题。

13、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。

技术特征：

1.一种超图匹配方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述对输入的超图进行预处理，补全缺失的节点和超边的标签，得到超图集合，包括：

3.根据权利要求1所述的方法，其特征在于，所述从所述超图集合中，筛选出满足预设条件的超图，包括：

4.根据权利要求1所述的方法，其特征在于，所述将所述满足预设条件的超图输入至预设的超图同构测试算法中，生成超图的嵌入表示，包括：

5.一种超图匹配装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述预处理模块包括：

7.根据权利要求5所述的装置，其特征在于，所述筛选模块包括：

8.根据权利要求5所述的装置，其特征在于，所述生成模块包括：

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-4任一项所述的超图匹配方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-4任一项所述的超图匹配方法。

技术总结
本申请涉及一种超图匹配方法、装置、电子设备及存储介质，其中，方法包括：对输入的超图进行预处理，补全缺失的节点和超边的标签，得到超图集合；从超图集合中，筛选出满足预设条件的超图；将满足预设条件的超图输入至预设的超图同构测试算法中，生成超图的嵌入表示；逐对比较超图嵌入表示，判断是否满足预设匹配条件；如果满足预设匹配条件，则将超图特征输入到预设机器学习模型中，以进行相似度判别，计算最终的匹配分数。由此，解决了相关技术中，由于超图的复杂性，匹配算法的计算复杂度高，匹配速度和效率低下，无法应对数据噪声和变化，鲁棒性和可扩展性差，节点和超边之间的关联复杂，无法准确捕捉超图中的高阶关联关系等问题。

技术研发人员：高跃,丰一帆
受保护的技术使用者：清华大学
技术研发日：
技术公布日：2024/1/15