关系推理以及关系推理模型的获取方法、装置及存储介质制造方法及图纸

本发明专利技术公开了关系推理方法以及关系推理模型的获取方法、装置及存储介质，其中的关系推理方法可包括：获取作为推理对象的各人员的预定信息；根据所述预定信息构建有向图；针对作为推理对象的两个人员，根据有向图生成两个人员的关系特征；将关系特征输入预先训练得到的关系推理模型，得到推理出的两个人员之间的社交关系。应用本发明专利技术所述方案，能够提高推理结果的准确性等。

The method, device and storage medium of relation reasoning and relation reasoning model

【技术实现步骤摘要】
关系推理以及关系推理模型的获取方法、装置及存储介质
本专利技术涉及计算机应用技术，特别涉及关系推理以及关系推理模型的获取方法、装置及存储介质。
技术介绍
在公共安全领域，关系推理是最主要的手段之一，包括把碎片化的线索关联起来，从大数据中挖掘有价值信息，分析人与人之间的直接和潜在关系等。传统的关系推理主要依靠人工方式，具有较高的专业门槛，依赖于经验知识，不但需要耗费较大的人力成本，而且准确性也较差。
技术实现思路
有鉴于此，本专利技术提供了关系推理以及关系推理模型的获取方法、装置及存储介质。具体技术方案如下：一种关系推理方法，包括：获取作为推理对象的各人员的预定信息；根据所述预定信息构建有向图；针对作为推理对象的两个人员，根据所述有向图生成两个人员的关系特征；将所述关系特征输入预先训练得到的关系推理模型，得到推理出的两个人员之间的社交关系。一种关系推理模型的获取方法，包括：获取作为训练样本的各人员的预定信息；根据所述预定信息构建有向图；针对作为训练样本的两个人员，根据所述有向图生成两个人员的关系特征；将所述关系特征作为输入，将获取到的两个人员之间的真实的社交关系作为输出，训练所述关系推理模型。一种关系推理装置，包括：第一获取单元、第一构建单元、第一生成单元以及关系推理单元；所述第一获取单元，用于获取作为推理对象的各人员的预定信息；所述第一构建单元，用于根据所述预定信息构建有向图；所述第一生成单元，用于针对作为推理对象的两个人员，根据所述有向图生成两个人员的关系特征；所述关系推理单元，用于将所述关系特征输入预先训练得到的关系推理模型，得到推理出的两个人员之间的社交关系。一种关系推理模型的获取装置，包括：第二获取单元、第二构建单元、第二生成单元以及模型训练单元；所述第二获取单元，用于获取作为训练样本的各人员的预定信息；所述第二构建单元，用于根据所述预定信息构建有向图；所述第二生成单元，用于针对作为训练样本的两个人员，根据所述有向图生成两个人员的关系特征；所述模型训练单元，用于将所述关系特征作为输入，将获取到的两个人员之间的真实的社交关系作为输出，训练所述关系推理模型。一种计算机设备，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时实现如以上所述的方法。一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。基于上述介绍可以看出，采用本专利技术所述方案，可基于构建的有向图等来生成两个人员的关系特征，进而可基于生成的关系特征以及预先训练得到的关系推理模型来推理出两个人员之间的社交关系，相比于现有的人工推理方式，不但节省了人力成本，而且提高了推理结果的准确性等。【附图说明】图1为本专利技术所述关系推理方法实施例的流程图。图2为本专利技术所述关系推理模型的获取方法实施例的流程图。图3为本专利技术所述递归神经网络的示意图。图4为本专利技术所述关系推理方法的整体实现过程示意图。图5为本专利技术所述关系推理装置实施例的组成结构示意图。图6为本专利技术所述关系推理模型的获取装置实施例的组成结构示意图。图7示出了适于用来实现本专利技术实施方式的示例性计算机系统/服务器12的框图。【具体实施方式】为了使本专利技术的技术方案更加清楚、明白，以下参照附图并举实施例，对本专利技术所述方案进行进一步说明。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。图1为本专利技术所述关系推理方法实施例的流程图。如图1所示，包括以下具体实现方式。在101中，获取作为推理对象的各人员的预定信息。在102中，根据获取到的预定信息构建有向图。在103中，针对作为推理对象的两个人员，根据构建出的有向图生成两个人员的关系特征。在104中，将生成的关系特征输入预先训练得到的关系推理模型，得到推理出的两个人员之间的社交关系。可以看出，本实施例的实现需要依赖于关系推理模型，关系推理模型可为神经网络模型或支持向量机(SVM，SupportVectorMachine)模型等。以下首先对关系推理模型的获取方式进行说明。图2为本专利技术所述关系推理模型的获取方法实施例的流程图。如图2所示，包括以下具体实现方式。在201中，获取作为训练样本的各人员的预定信息。在202中，根据获取到的预定信息构建有向图。在203中，针对作为训练样本的两个人员，根据构建出的有向图生成两个人员的关系特征。在204中，将生成的关系特征作为输入，将获取到的两个人员之间的真实的社交关系作为输出，训练关系推理模型。可针对设定的某一时间段，如当前时间的上一个月，获取作为训练样本的各人员的预定信息。各人员的预定信息可包括：各人员的人员标识、IP(IP地址)、无线接入点(AP，AccessPoint)和地点，以及，人员之间的关联关系等。其中，地点可以是指经纬度信息，人员标识可以是指用户账号等。比如，用户在家用手机登录某一app，那么可获取该用户的用户账号、IP、AP以及经纬度信息等。人员之间的关联关系可以是指粉丝、关注对象、通讯录好友等，具体包含哪些关系类型可根据实际需要而定。关联关系可具有时间属性，如某一时期为关注对象等。可根据获取到的预定信息构建有向图。优选地，可构建包含人员标识、IP、AP和地点四种节点类型的第一有向图，并可基于关联关系，构建包含人员标识这一节点类型的第二有向图。第一有向图中可包括四种节点类型，分别为人员标识(即人员)、IP、AP和地点，节点之间可通过有向边相连，如人员与使用的IP之间存在一条有向边。第二有向图中仅包括人员标识(即人员)这一节点类型，通过人员之间的关联关系构建出节点之间的有向边。之后，可针对作为训练样本的两个人员，根据构建出的有向图生成两个人员的关系特征。为便于表述，将两个人员分别称为第一人员和第二人员，本实施例中，生成的关系特征可包括第一关系特征以及第二关系特征，另外还可进一步包括第三关系特征以及第四关系特征。以下分别对各关系特征的生成方式进行说明。1)第一关系特征可从第一有向图和第二有向图中分别提取出第一人员和第二人员之间的最短连通路径，并从第一有向图和第二有向图中分别提取出第一人员和第二人员之间的N度以内全部连通路径，N为大于一的正整数，具体取值可根据实际需要而定。即分别从第一有向图和第二有向图中提取出第一人员和第二人员这两个节点之间的最短连通路径以及N度以内全部连通路径，N度以内全部连通路径中通常包括最短连通路径。可根据提取出的最短连通路径和全部连通路本文档来自技高网...

【技术保护点】
1.一种关系推理方法，其特征在于，包括：/n获取作为推理对象的各人员的预定信息；/n根据所述预定信息构建有向图；/n针对作为推理对象的两个人员，根据所述有向图生成两个人员的关系特征；/n将所述关系特征输入预先训练得到的关系推理模型，得到推理出的两个人员之间的社交关系。/n

【技术特征摘要】
1.一种关系推理方法，其特征在于，包括：
获取作为推理对象的各人员的预定信息；
根据所述预定信息构建有向图；
针对作为推理对象的两个人员，根据所述有向图生成两个人员的关系特征；
将所述关系特征输入预先训练得到的关系推理模型，得到推理出的两个人员之间的社交关系。


2.根据权利要求1所述的方法，其特征在于，
所述各人员的预定信息包括：
各人员的人员标识、IP、无线接入点AP和地点，以及，人员之间的关联关系。


3.根据权利要求2所述的方法，其特征在于，
所述根据所述预定信息构建有向图包括：
构建包含人员标识、IP、AP和地点四种节点类型的第一有向图；
基于所述关联关系，构建包含人员标识这一节点类型的第二有向图。


4.根据权利要求3所述的方法，其特征在于，
所述根据所述有向图生成两个人员的关系特征包括：
所述两个人员为第一人员和第二人员，从所述第一有向图和所述第二有向图中分别提取出所述第一人员和所述第二人员之间的最短连通路径，并从所述第一有向图和所述第二有向图中分别提取出所述第一人员和所述第二人员之间的N度以内全部连通路径，所述N为大于一的正整数；
从所述第一有向图和所述第二有向图中分别提取出从所述第一人员出发的M度以内最大连通子图，从所述第一有向图和所述第二有向图中分别提取出从所述第二人员出发的M度以内最大连通子图，M为大于一的正整数；
根据提取出的最短连通路径和全部连通路径生成第一关系特征；
根据提取出的最大连通子图生成第二关系特征；
将所述第一关系特征和所述第二关系特征作为所述第一人员和所述第二人员的关系特征。


5.根据权利要求4所述的方法，其特征在于，
所述根据提取出的最短连通路径和全部连通路径生成第一关系特征包括：
利用提取出的最短连通路径和全部连通路径训练递归神经网络，得到从所述第一人员到所述第二人员的连通路径上的各节点的词向量特征；
按照将各节点的词向量特征按预定顺序串联或对应元素相加的方式，得到所述第一关系特征。


6.根据权利要求5所述的方法，其特征在于，
所述根据提取出的最大连通子图生成第二关系特征包括：
获取从所述第一有向图中提取出的从所述第一人员出发的M度以内最大连通子图以及从所述第二人员出发的M度以内最大连通子图的交集；
获取从所述第二有向图中提取出的从所述第一人员出发的M度以内最大连通子图以及从所述第二人员出发的M度以内最大连通子图的交集；
将两个交集中的节点进行合并，得到节点集合Sv；
按照将所述节点集合Sv中的各节点的词向量特征按预定顺序串联或对应元素相加的方式，得到所述第二关系特征。


7.根据权利要求4所述的方法，其特征在于，
该方法进一步包括：
根据所述第一人员的预定属性生成第三关系特征；
根据所述第二人员的预定属性生成第四关系特征；
将所述第一关系特征、所述第二关系特征、所述第三关系特征以及所述第四关系特征作为所述第一人员和所述第二人员的关系特征。


8.根据权利要求7所述的方法，其特征在于，
所述根据所述第一人员的预定属性生成第三关系特征包括：
分别获取所述第一人员的各预定属性的词向量特征，按照将获取到的词向量特征按预定顺序串联或对应元素相加的方式，得到所述第三关系特征；
所述根据所述第二人员的预定属性生成第四关系特征包括：
分别获取所述第二人员的各预定属性的词向量特征，按照将获取到的词向量特征按预定顺序串联或对应元素相加的方式，得到所述第四关系特征。


9.一种关系推理模型的获取方法，其特征在于，包括：
获取作为训练样本的各人员的预定信息；
根据所述预定信息构建有向图；
针对作为训练样本的两个人员，根据所述有向图生成两个人员的关系特征；
将所述关系特征作为输入，将获取到的两个人员之间的真实的社交关系作为输出，训练所述关系推理模型。


10.根据权利要求9所述的方法，其特征在于，
所述各人员的预定信息包括：
各人员的人员标识、IP、无线接入点AP和地点，以及，人员之间的关联关系。


11.根据权利要求10所述的方法，其特征在于，
所述根据所述预定信息构建有向图包括：
构建包含人员标识、IP、AP和地点四种节点类型的第一有向图；
基于所述关联关系，构建包含人员标识这一节点类型的第二有向图。


12.根据权利要求11所述的方法，其特征在于，
所述根据所述有向图生成两个人员的关系特征包括：
所述两个人员为第一人员和第二人员，从所述第一有向图和所述第二有向图中分别提取出所述第一人员和所述第二人员之间的最短连通路径，并从所述第一有向图和所述第二有向图中分别提取出所述第一人员和所述第二人员之间的N度以内全部连通路径，所述N为大于一的正整数；
从所述第一有向图和所述第二有向图中分别提取出从所述第一人员出发的M度以内最大连通子图，从所述第一有向图和所述第二有向图中分别提取出从所述第二人员出发的M度以内最大连通子图，M为大于一的正整数；
根据提取出的最短连通路径和全部连通路径生成第一关系特征；
根据提取出的最大连通子图生成第二关系特征；
将所述第一关系特征和所述第二关系特征作为所述第一人员和所述第二人员的关系特征。


13.根据权利要求12所述的方法，其特征在于，
所述根据提取出的最短连通路径和全部连通路径生成第一关系特征包括：
利用提取出的最短连通路径和全部连通路径训练递归神经网络，得到从所述第一人员到所述第二人员的连通路径上的各节点的词向量特征；
按照将各节点的词向量特征按预定顺序串联或对应元素相加的方式，得到所述第一关系特征。


14.根据权利要求13所述的方法，其特征在于，
所述根据提取出的最大连通子图生成第二关系特征包括：
获取从所述第一有向图中提取出的从所述第一人员出发的M度以内最大连通子图以及从所述第二人员出发的M度以内最大连通子图的交集；
获取从所述第二有向图中提取出的从所述第一人员出发的M度以内最大连通子图以及从所述第二人员出发的M度以内最大连通子图的交集；
将两个交集中的节点进行合并，得到节点集合Sv；
按照将所述节点集合Sv中的各节点的词向量特征按预定顺序串联或对应元素相加的方式，得到所述第二关系特征。


15.根据权利要求12所述的方法，其特征在于，
该方法进一步包括：
根据所述第一人员的预定属性生成第三关系特征；
根据所述第二人员的预定属性生成第四关系特征；
将所述第一关系特征、所述第二关系特征、所述第三关系特征以及所述第四关系特征作为所述第一人员和所述第二人员的关系特征。


16.根据权利要求15所述的方法，其特征在于，
所述根据所述第一人员的预定属性生成第三关系特征包括：
分别获取所述第一人员的各预定属性的词向量特征，按照将获取到的词向量特征按预定顺序串联或对应元素相加的方式，得到所述第三关系特征；
所述根据所述第二人员的预定属性生成第四关系特征包括：
分别获取所述第二人员的各预定属性的词向量特征，按照将获取到的词向量特征按预定顺序串联或对应元素相加的方式，得到所述第四关系特征。


17.一种关系...

【专利技术属性】
技术研发人员：刘畅，谢奕，张阳，杨双全，熊云，郑灿祥，季昆鹏，张雪婷，王志清，崔轩，王翰琦，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京;11