对关系网络图进行节点嵌入的方法及装置制造方法及图纸

本说明书实施例提供一种计算机执行的对关系网络图进行节点嵌入的方法和装置，该关系网络图包括多个节点，节点之间通过多种连接关系进行连接，方法包括，获取图中任意的第一节点的节点特征，该节点在多种连接关系下的多个邻居节点集；然后，基于节点特征，确定该节点的初级嵌入向量；之后进行向量迭代，每次迭代包括：对各邻居节点集中的邻居节点的上一级嵌入向量进行聚合得到该邻居节点集的上一级聚合向量，基于权重因子，对各个邻居节点集的上一级聚合向量加权求和得到全邻居节点的上一级聚合向量，基于该聚合向量，和第一节点的上一级嵌入向量，得到第一节点的本级嵌入向量。可以根据该节点的预定级数的嵌入向量，确定其嵌入结果。

【技术实现步骤摘要】
对关系网络图进行节点嵌入的方法及装置
本说明书一个或多个实施例涉及机器学习领域，尤其涉及计算机执行的、对关系网络图进行节点嵌入的方法及装置。
技术介绍
关系网络图是对现实世界中实体之间的关系的描述，目前广泛地应用于各种计算机信息处理中。一般地，关系网络图包含节点集合和边集合，节点表示现实世界中的实体，边表示现实世界中实体之间的联系。例如，在社交网络中，人就是实体，人和人之间的关系或联系就是边。在许多情况下，希望将关系网络图中的元素或结构用向量的形式进行表示，这个过程称为图嵌入。典型的，希望将图中的每个节点(实体)用多维空间中的坐标值来表示，也就是将各个节点映射到一个多维空间中，用多维空间中的点代表图中的节点。多维空间可以是2维、3维空间，也可以是更高维空间。用多维空间的坐标来表达图中的节点，可以应用于计算节点和节点之间的相似度，发现图中的社团结构，预测未来可能形成的边联系，以及对图进行可视化等。图嵌入是一种非常重要的基础技术能力。根据一种方案，采用监督学习的方式，考虑节点特征和节点之间的关联关系，训练得到图嵌入模型，根据训练得到的图嵌入模型进行关系网络图的嵌入表达。然而，已有的方法通本文档来自技高网...

【技术保护点】
1.一种计算机执行的、对关系网络图进行节点嵌入的方法，所述关系网络图包括多个节点，所述多个节点之间通过多种连接关系进行连接，所述方法包括：获取所述关系网络图中第一节点的节点特征，以及所述第一节点在所述多种连接关系下对应的多个第一邻居节点集；至少基于所述第一节点的节点特征，确定所述第一节点的初级迭代的嵌入向量；针对所述第一节点，执行预定级数的向量迭代，其中每级向量迭代包括：基于所述第一节点的上一级迭代的嵌入向量，第一节点的全邻居节点的上一级聚合向量和第一参数集，确定所述第一节点的本级迭代的嵌入向量；其中，所述第一节点的全邻居节点的上一级聚合向量是基于第一权重因子，对所述多个第一邻居节点集中各个第...

【技术特征摘要】
1.一种计算机执行的、对关系网络图进行节点嵌入的方法，所述关系网络图包括多个节点，所述多个节点之间通过多种连接关系进行连接，所述方法包括：获取所述关系网络图中第一节点的节点特征，以及所述第一节点在所述多种连接关系下对应的多个第一邻居节点集；至少基于所述第一节点的节点特征，确定所述第一节点的初级迭代的嵌入向量；针对所述第一节点，执行预定级数的向量迭代，其中每级向量迭代包括：基于所述第一节点的上一级迭代的嵌入向量，第一节点的全邻居节点的上一级聚合向量和第一参数集，确定所述第一节点的本级迭代的嵌入向量；其中，所述第一节点的全邻居节点的上一级聚合向量是基于第一权重因子，对所述多个第一邻居节点集中各个第一邻居节点集对应的上一级聚合向量进行加权求和而确定，所述各个第一邻居节点集对应的上一级聚合向量为，各个第一邻居节点集中包括的邻居节点的上一级迭代的嵌入向量的聚合；根据所述第一节点的所述预定级数的嵌入向量，确定该第一节点的节点嵌入结果。2.根据权利要求1所述的方法，其中，所述多个节点对应于多个用户；所述多种连接关系包括以下中的多种：亲情关系、通信关系、资金关系、媒介关系、人际关系。3.根据权利要求2所述的方法，其中，所述通信关系包括以下中的一项或多项：电话通话，短消息，即时通讯工具中的消息；所述资金关系包括以下中的一项或多项：转账、收款、红包、代充、代付、条码收款、条码付款、AA收款、C2C手机当面付、送礼金、交房租、信用卡代还款、代购、亲密付；所述媒介关系包括使用过同一媒介，所述同一媒介包括以下中的一项或多项：同银行卡、同身份证、同邮箱、同账户号、同手机号、同物理地址、同终端设备号；所述人际关系包括以下中的一项或多项：具有共同关注的人，具有共同加入的群组，具有共同参加的活动。4.根据权利要求2所述的方法，其中，所述节点特征包括用户属性特征，所述用户属性特征包括以下中的一项或多项：用户ID、性别、年龄、注册时长、教育程度、职业。5.根据权利要求1所述的方法，其中，所述第一参数集包括第一参数和第二参数，所述基于所述第一节点的上一级迭代的嵌入向量，第一节点的全邻居节点的上一级聚合向量和第一参数集，确定所述第一节点的本级迭代的嵌入向量包括，分别以第一参数和第二参数为权重系数，对所述第一节点的上一级迭代的嵌入向量和所述全邻居节点的上一级聚合向量进行加权求和，基于求和结果得到所述第一节点的本级迭代的嵌入向量。6.根据权利要求1所述的方法，其中，所述各个第一邻居节点集对应的上一级聚合向量通过以下方式之一确定：计算各个第一邻居节点集中包括的邻居节点的上一级迭代的嵌入向量的加和，作为该第一邻居节点集对应的上一级聚合向量；计算各个第一邻居节点集中包括的邻居节点的上一级迭代的嵌入向量的均值，作为该第一邻居节点集对应的上一级聚合向量；以各个第一邻居节点集中包括的邻居节点与所述第一节点之间的连接关系的强度为权重系数，计算各个邻居节点的上一级迭代的嵌入向量的加权求和，作为该第一邻居节点集对应的上一级聚合向量。7.根据权利要求1所述的方法，其中，所述第一参数集通过监督训练而确定，所述第一权重因子针对所述各个邻居节点集预先设定。8.根据权利要求7所述的方法，其中，所述监督训练包括：获取所述关系网络中预先标定的第二节点的节点特征，节点标签，以及所述第二节点在所述多种连接关系下对应的多个第二邻居节点集；至少基于所述第二节点的节点特征，确定所述第二节点的初级迭代的嵌入向量；针对所述第二节点，执行所述预定级数的向量迭代，其中每级向量迭代包括：基于所述第二节点的上一级迭代的嵌入向量，第二节点的全邻居节点的上一级聚合向量和第二参数集，确定所述第二节点的本级迭代的嵌入向量，其中第二节点的全邻居节点的上一级聚合向量是基于所述第一权重因子，对所述多个第二邻居节点集中各个第二邻居节点集对应的上一级聚合向量进行加权求和而确定，所述各个第二邻居节点集对应的上一级聚合向量为，各个第二邻居节点集中包括的邻居节点的上一级迭代的嵌入向量的聚合；根据所述第二节点的所述预定级数的嵌入向量，确定该第二节点的预测值；至少根据所述第二节点的节点标签和预测值，确定损失函数的损失值；在损失值减小的方向调整所述第二参数集，根据调整后的第二参数集得到所述第一参数集。9.根据权利要求1所述的方法，其中，所述第一参数集和所述第一权重因子通过监督训练而确定。10.根据权利要求9所述的方法，其中，所述监督训练包括：获取所述关系网络中预先标定的第二节点的节点特征，节点标签，以及所述第二节点在所述多种连接关系下对应的多个第二邻居节点集；至少基于所述第二节点的节点特征，确定所述第二节点的初级迭代的嵌入向量；针对所述第二节点，执行所述预定级数的向量迭代，其中每级向量迭代包括：基于所述第二节点的上一级迭代的嵌入向量，第二节点的全邻居节点的上一级聚合向量和第二参数集，确定所述第二节点的本级迭代的嵌入向量，其中第二节点的全邻居节点的上一级聚合向量是基于第二权重因子，对所述多个第二邻居节点集中各个第二邻居节点集对应的上一级聚合向量进行加权求和而确定，所述各个第二邻居节点集对应的上一级聚合向量为，各个第二邻居节点集中包括的邻居节点的上一级迭代的嵌入向量的聚合；根据所述第二节点的所述预定级数的嵌入向量，确定该第二节点的预测值；至少根据所述第二节点的节点标签和预测值，确定损失函数的损失值；在损失值减小的方向调整所述第二参数集和所述第二权重因子，根据调整后的第二参数集得到所述第一参数集，根据调整后的第二权重因子得到所述第一权重因子。11.一种对关系网络图进行节点嵌入的装置，所述关系网络图包括多个节点，所述多个节点之间通过多种连接关系进行连接，所述装置包括：获取单元，配置为获取所述关系网络图中第一节点的节点特征，以及所述第一节点在所述多种连接关系下对应的多个第一邻...

【专利技术属性】
技术研发人员：陈超超，黄凯，王力，周俊，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛,KY