诺灏（广州）科技有限公司

本发明涉及数据处理技术领域，尤其涉及一种基于人工智能的大数据挖掘方法、系统、设备及介质，获取多维异构结构化数据，将所述结构化数据中的各数据字段映射为图节点；通过基于注意力机制的动态边权重学习网络，本发明打破了传统的割裂架构，通过在映射网络中内嵌潜在空间约束项，使模型在挖掘特征的同时直接完成低维非线性映射，免除了调用独立降维算法的庞大算力开销，也降低了前端可视化的渲染延迟。而利用引入拉普拉斯修正项的双通道网络深度挖掘全局特征，并结合拓扑距离保持损失函数施加距离惩罚梯度，该机制强制关联数据在低维可视化空间中天然形成高内聚的视觉簇，避免了原始拓扑特征在降维中的丢失，提升了可视化结果的直观性。