本发明专利技术实施例提供的目标对象的特征提取方法、装置、电子设备及存储介质，应用于信息技术领域，可以获取待处理图数据，其中，所述待处理图数据包括多个对象中各所述对象对应的节点，各所述节点的节点信息为各所述节点对应的对象的维度特征，节点之间的边表示两个对象之间的行为特征；根据所述待处理图数据中的边，识别目标节点的邻居节点，其中，所述目标节点为所述多个对象中目标对象对应的节点；提取所述目标节点和所述目标节点的邻居节点的维度特征和行为特征。可以通过待处理图数据，识别目标节点的邻居节点，从而提取目标节点和目标节点的邻居节点的维度特征和行为特征，从而实现通过图数据实现目标对象的特征的获取。现通过图数据实现目标对象的特征的获取。现通过图数据实现目标对象的特征的获取。
【技术实现步骤摘要】
目标对象的特征提取方法、装置、电子设备及存储介质
[0001]本专利技术涉及信息
，特别是涉及一种目标对象的特征提取方法、装置、电子设备及存储介质。
技术介绍
[0002]目前，机器学习应用场景已经越来越广泛。在机器学习的多个环节中，而特征提取是整个机器学习流程中最为关键的一环，随着数据的多样性和丰富性，数据库中往往包含多种类型数据集，维度数据、序列型数据、图数据，其中维度数据即维度表，序列数据也即事件表，而图数据即为关系表。
[0003]然而，目前在进行特征提取时，一般仅仅是使用图数据、维度表、事件表等都是以单表形式进行特征提取，所提取的特征也较为单一。
技术实现思路
[0004]本专利技术实施例的目的在于提供一种目标对象的特征提取方法、装置、电子设备及存储介质，以实现提取多表之间的关联特征的目的。具体技术方案如下：
[0005]本申请实施例的第一方面，首先提供了一种目标对象的特征提取方法，包括：
[0006]获取待处理图数据，其中，所述待处理图数据包括多个对象中各所述对象对应的节点，各所述节点的节点信息为各所述节点对应的对象的维度特征，节点之间的边表示两个对象之间的行为特征；
[0007]根据所述待处理图数据中的边，识别目标节点的邻居节点，其中，所述目标节点为所述多个对象中目标对象对应的节点；
[0008]提取所述目标节点和所述目标节点的邻居节点的维度特征和行为特征。
[0009]可选的，所述获取待处理图数据，包括：
[0010]获取维度表、事件表和关系表，其中，所述维度表包括多个对象的维度特征，所述事件表包括所述多个对象的行为特征，所述关系表包括所述多个对象之间的关联关系；
[0011]根据所述维度表、事件表和关系表，生成所述待处理图数据。
[0012]可选的，所述提取所述目标节点和所述目标节点的邻居节点的维度特征和行为特征之后，所述方法还包括：
[0013]根据所述目标节点和所述目标节点的邻居节点的维度特征及行为特征对所述目标节点进行分类得到对应的分类结果。
[0014]可选的，所述根据所述待处理图数据中的边，识别目标节点的邻居节点，其中，所述目标节点为所述多个对象中目标对象对应的节点之后，所述方法还包括：
[0015]统计所述目标节点的邻居节点的数量和边的数量；
[0016]根据统计得到的邻居节点的数量和边的数量，计算得到基础图特征。
[0017]可选的，所述提取所述目标节点和所述目标节点的邻居节点的维度特征和行为特征，包括：
[0018]根据各节点的节点信息提取所述目标节点和所述目标节点的邻居节点的维度特征；
[0019]根据各节点之间的边信息提取所述目标节点和所述目标节点的邻居节点的行为特征。
[0020]可选的，所述根据各节点的节点信息提取所述目标节点和所述目标节点的邻居节点的维度特征，包括：
[0021]获取所述目标节点的邻居节点的维度特征；
[0022]对所述目标节点的邻居节点的维度特征进行聚合，得到所述目标节点的维度特征。
[0023]可选的，所述根据各节点之间的边信息提取所述目标节点和所述目标节点的邻居节点的行为特征，包括：
[0024]通过多个预设时间窗口对各节点之间的边信息进行统计，得到所述目标节点的邻居节点的行为特征；
[0025]对所述目标节点的邻居节点的行为特征进行聚合，得到所述目标节点的行为特征。
[0026]本申请实施例的第二方面，提供了一种目标对象的特征提取装置，包括：
[0027]数据获取模块，用于获取待处理图数据，其中，所述待处理图数据包括多个对象中各所述对象对应的节点，各所述节点的节点信息为各所述节点对应的对象的维度特征，节点之间的边表示两个对象之间的行为特征；
[0028]节点识别模块，用于根据所述待处理图数据中的边，识别目标节点的邻居节点，其中，所述目标节点为所述多个对象中目标对象对应的节点；
[0029]特征提取模块，用于提取所述目标节点和所述目标节点的邻居节点的维度特征和行为特征。
[0030]可选的，所述数据获取模块，包括：
[0031]表数据获取子模块，用于获取维度表、事件表和关系表，其中，所述维度表包括多个对象的维度特征，所述事件表包括所述多个对象的行为特征，所述关系表包括所述多个对象之间的关联关系；
[0032]图数据生成子模块，用于根据所述维度表、事件表和关系表，生成所述待处理图数据。
[0033]可选的，所述装置还包括：
[0034]节点分类模块，用于根据所述目标节点和所述目标节点的邻居节点的维度特征及行为特征对所述目标节点进行分类得到对应的分类结果。
[0035]可选的，所述装置还包括：
[0036]数量统计模块，用于统计所述目标节点的邻居节点的数量和边的数量；
[0037]特征计算模块，用于根据统计得到的邻居节点的数量和边的数量，计算得到基础图特征。
[0038]可选的，所述特征提取模块，包括：
[0039]维度特征提取子模块，用于根据各节点的节点信息提取所述目标节点和所述目标节点的邻居节点的维度特征；
[0040]行为特征提取子模块，用于根据各节点之间的边信息提取所述目标节点和所述目标节点的邻居节点的行为特征。
[0041]可选的，所述维度特征提取子模块，包括：
[0042]邻居维度特征提取单元，用于获取所述目标节点的邻居节点的维度特征；
[0043]邻居维度特征聚合单元，用于对所述目标节点的邻居节点的维度特征进行聚合，得到所述目标节点的维度特征。
[0044]可选的，所述行为特征提取子模块，包括：
[0045]行为特征统计单元，用于通过多个预设时间窗口对各节点之间的边信息进行统计，得到所述目标节点的邻居节点的行为特征；
[0046]行为特征聚合单元，用于对所述目标节点的邻居节点的行为特征进行聚合，得到所述目标节点的行为特征。
[0047]本申请实施例的另一方面，还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0048]存储器，用于存放计算机程序；
[0049]处理器，用于执行存储器上所存放的程序时，实现上述任一目标对象的特征提取方法步骤。
[0050]本申请实施例的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一目标对象的特征提取方法步骤。
[0051]本申请实施例的另一方面，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一目标对象的特征提取方法步骤。
[0052]本专利技术实施例有益效果：
[0053]本专利技术实施例提供的一种数据的特征提取方法、装置、电子设备及存储介质，可以获取待处理图数本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标对象的特征提取方法，其特征在于，包括：获取待处理图数据，其中，所述待处理图数据包括多个对象中各所述对象对应的节点，各所述节点的节点信息为各所述节点对应的对象的维度特征，节点之间的边表示两个对象之间的行为特征；根据所述待处理图数据中的边，识别目标节点的邻居节点，其中，所述目标节点为所述多个对象中目标对象对应的节点；提取所述目标节点和所述目标节点的邻居节点的维度特征和行为特征。2.根据权利要求1所述的方法，其特征在于，所述获取待处理图数据，包括：获取维度表、事件表和关系表，其中，所述维度表包括多个对象的维度特征，所述事件表包括所述多个对象的行为特征，所述关系表包括所述多个对象之间的关联关系；根据所述维度表、事件表和关系表，生成所述待处理图数据。3.根据权利要求1所述的方法，其特征在于，所述提取所述目标节点和所述目标节点的邻居节点的维度特征和行为特征之后，所述方法还包括：根据所述目标节点和所述目标节点的邻居节点的维度特征及行为特征对所述目标节点进行分类得到对应的分类结果。4.根据权利要求1所述的方法，其特征在于，所述根据所述待处理图数据中的边，识别目标节点的邻居节点，其中，所述目标节点为所述多个对象中目标对象对应的节点之后，所述方法还包括：统计所述目标节点的邻居节点的数量和边的数量；根据统计得到的邻居节点的数量和边的数量，计算得到基础图特征。5.根据权利要求1所述的方法，其特征在于，所述提取所述目标节点和所述目标节点的邻居节点的维度特征和行为特征，包括：根据各节点的节点信息提取所述目标节点和所述目标节点的邻居节点的维度特征；根据各节点之间的边信息提取所述目标节点和所述目标节点的邻居节点的行为特征。6.根据权利要求5所述的方法，其特征在于，所述根据各节点的节点信息提取所述目标节点和所述目标节点的邻居节点的维度特征，包括：获取所述目标节点的邻居节点的维度特征...
【专利技术属性】
技术研发人员：李国琪，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：
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。