【技术实现步骤摘要】
基于异构图进行业务处理的方法及装置
本说明书一个或多个实施例涉及计算机
，尤其涉及通过计算机基于异构图进行业务处理的方法和装置。
技术介绍
在关系描述方面，图结构(关系网络)通常具有较强的数据描述能力。对于真实世界中存在关联关系的各种实体和概念，以及他们之间的关系，可以通过图结构来描述。图结构的初衷是为了提高搜索引擎的能力，改善用户的搜索质量以及搜索体验。随着人工智能的技术发展和应用，图结构可以广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。特别是，可以将图结构与机器学习模型相结合，增强模型的预测能力。例如，在客服机器人问答系统中，可以通过引入与产品服务相关的图结构，帮助意图识别模型对用户使用自然语言提出的问题进行语义分析和意图识别，之后根据识别到的意图查询到答案推送给用户。在互联网数据日益庞大的情况下，平台用户的交互场景、交互关系错综复杂。例如，通讯录上的存和被存关系、终端应用关联信息、网络链路重叠信息，等等，这就造成了数据多源的特性。对于这样的网络数据，综合建立一个综合的图结构(如综合性的知识图谱)的过程较复杂。因此，希望能有更有效的方案，将多个网络之间的信息综合利用，提高基于图结构的业务处理能力。
技术实现思路
本说明书一个或多个实施例描述了一种基于异构图进行业务处理的方法及装置，通过不同结构的多个关系网络综合表征节点，得到更有效的处理结果。根据第一方面，提供了一种基于异构图进行业务处理的方法，所述异构图用于描述多个实体之间在预定的多个连接关系类型下的关联关系...
【技术保护点】
1.一种基于异构图进行业务处理的方法，所述异构图用于描述多个实体之间在预定的多个连接关系类型下的关联关系，其中，所述多个连接关系类型相互独立，所述多个连接关系类型包括第一连接关系类型，描述所述多个实体之间在所述第一连接关系类型下的关联关系的关系网络为第一关系网络，在所述第一关系网络中，各个实体分别与各个节点一一对应，通过连接边连接的两两节点对应的两两实体之间具有所述第一连接关系类型的关联关系，各个节点分别对应有相应实体在所述第一连接关系类型下的实体特征；所述方法包括：/n确定当前业务所针对的当前实体在所述第一关系网络中对应的当前节点；/n通过预先确定的特征聚合模型处理第一关系网络，得到针对所述当前节点在所述第一连接关系类型下的第一业务表征向量；/n根据所述当前实体在各个连接关系类型下分别对应的实体特征，确定所述第一业务表征向量对应的第一重要度系数；/n至少基于所述第一重要度系数和所述第一业务表征向量，融合所述当前实体在所述多个连接关系类型分别对应的各个关系网络下的各个业务表征向量，得到对所述当前实体的综合评估结果，以利用所述综合评估结果针对所述当前实体进行后续业务处理。/n
【技术特征摘要】
1.一种基于异构图进行业务处理的方法，所述异构图用于描述多个实体之间在预定的多个连接关系类型下的关联关系，其中，所述多个连接关系类型相互独立，所述多个连接关系类型包括第一连接关系类型，描述所述多个实体之间在所述第一连接关系类型下的关联关系的关系网络为第一关系网络，在所述第一关系网络中，各个实体分别与各个节点一一对应，通过连接边连接的两两节点对应的两两实体之间具有所述第一连接关系类型的关联关系，各个节点分别对应有相应实体在所述第一连接关系类型下的实体特征；所述方法包括：
确定当前业务所针对的当前实体在所述第一关系网络中对应的当前节点；
通过预先确定的特征聚合模型处理第一关系网络，得到针对所述当前节点在所述第一连接关系类型下的第一业务表征向量；
根据所述当前实体在各个连接关系类型下分别对应的实体特征，确定所述第一业务表征向量对应的第一重要度系数；
至少基于所述第一重要度系数和所述第一业务表征向量，融合所述当前实体在所述多个连接关系类型分别对应的各个关系网络下的各个业务表征向量，得到对所述当前实体的综合评估结果，以利用所述综合评估结果针对所述当前实体进行后续业务处理。
2.根据权利要求1所述的方法，其中，在所述第一关系网络中，所述当前节点的邻居节点包括第一节点，所述第一节点对应第一邻居权重，所述第一节点对应的实体特征包括第一特征，所述第一特征对应第一特征权重，所述通过预先确定的特征聚合模型处理第一关系网络，得到针对所述当前节点在所述第一连接关系类型下的第一业务表征向量包括：
将所述第一特征权重与所述第一邻居权重的乘积确定为所述第一节点在所述第一特征上的第一特征聚合系数；
基于所述第一节点在所述第一特征上的特征表达向量与所述第一特征聚合系数的乘积，确定所述第一业务表征向量中与所述第一特征向量相对应的元素值。
3.根据权利要求1所述的方法，其中，在所述第一关系网络中，所述当前节点的邻居节点包括第二节点，所述第二节点对应第二邻居权重，所述预先确定的特征聚合模型为第一图神经网络；所述第一图神经网络的第i层通过以下方式处理所述第一关系网络：
将所述当前节点的当前特征表达向量和所述第二节点的当前特征表达向量拼接，得到第一拼接向量；
基于第一权重矩阵与所述第一拼接向量的乘积，确定所述第二节点在第i层的邻居权重，所述第一权重矩阵是所述第一图神经网络在第i层的模型参数，在训练所述第一图神经网络时确定；
根据所述第二节点在第i层的邻居权重与所述第二节点的当前特征表达向量，确定所述当前节点的第i邻居聚合向量；
将所述邻居聚合向量与所述当前节点的当前特征表达向量融合，得到所述当前节点经过第i层图神经网络处理后的表征向量。
4.根据权利要求3所述的方法，其中：
在i为1的情况下，所述当前节点的当前特征表达向量和所述第二节点的当前特征表达向量，分别由所述当前节点和所述第二节点在所述第一关系网络中的实体特征确定；
在i为大于1的自然数的情况下，所述当前节点的当前特征表达向量和所述第二节点的当前特征表达向量，分别为所述当前节点和所述第二节点经过第i-1层图神经网络处理后的表征向量。
5.根据权利要求3所述的方法，其中，所述将所述邻居聚合向量与所述当前节点的当前特征表达向量融合，得到所述当前节点经过第i层图神经网络处理后的表征向量包括：
将所述邻居聚合向量与所述当前节点的当前特征表达向量进行拼接，得到第二拼接向量；
基于第二权重矩阵与所述第二拼接向量的乘积，确定第i层图神经网络中的特征权重向量，所述第二权重矩阵是所述第一图神经网络在第i层的模型参数，在训练所述第一图神经网络时确定；
根据所述特征权重向量对所述邻居聚合向量进行修正，得到所述当前节点经过第i层图神经网络处理后的表征向量，在第i层图神经网络为所述第一图神经网络的最后一层时，修正后得到的表征向量为所述第一业务表征向量。
6.根据权利要求5所述的方法，其中，所述根据所述特征权重向量对所述邻居聚合项进行修正包括，将所述特征权重向量中第k个元素与所述邻居聚合向量中第k个元素的乘积，作为所述当前节点经过第i层图神经网络处理后的表征向量的第k个元素。
7.根据权利要求1所述的方法，其中，所述根据所述当前实体在各个连接关系类型下对应的实体特征，确定所述第一业务表征向量对应的第一重要度系数包括：
根据预先训练得到的各个连接关系类型分别对应的各个注意力向量，确定所述当前实体分别对应于各个连接关系类型的各个注意力值；
将当前实体在所述第一连接关系类型下对应的第一注意力值与各个连接关系类型的注意力值之和的比值，确定为所述第一重要度系数。
8.根据权利要求7所述的方法，其中，所述第一注意力值为，自变量为以下值的指数函数：第一连接关系类型对应的第一注意力向量的转置向量，与各个业务表征向量的拼接向量的乘积。
9.根据权利要求1所述的方法，其中，所述至少基于所述第一重要度系数和所述第一业务表征向量，融合所述当前实体在所述多个连接关系类型分别对应的各个关系网络下的各个业务表征向量，得到对所述当前实体的综合评估结果包括：
将各个重要度系数作为相应表征向量的权重，确定各个业务表征向量的加权和，其中，所述第一重要度系数为所述第一业务表征向量的权重；
将所述加权和作为对所述当前实体的综合评估结果。
10.根据权利要求1所述的方法，其中，所述综合评估结果包括以下中的一种：预测业务中的预测分数、分类业务中在各个类别上的评分。
11.根据权利要求1所述的方法，其中，所述多个实体包括第一实体，所述第一实体在各个连接关系类型下分别对应的各个节点通过所述第一实体的至少一个用户标识相关联。
12.一种基于异构图进行业务处理的装置，所述异构图用于描述多个实体之间分别在预定的多个连接关系类型下的...
【专利技术属性】
技术研发人员：胡斌斌，方精丽，贾全慧，张志强，周俊，方彦明，杨双红，余泉，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。