重叠社区识别方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请提供了一种基于人工智能的重叠社区识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品；涉及人工智能技术；方法包括：获取包括多个对象节点的异构图；对异构图中的对象节点进行节点级注意力处理，得到对象节点的节点级嵌入特征；基于对象节点的节点级嵌入特征，对对象节点进行语义级注意力处理，得到对象节点的语义级嵌入特征；基于对象节点的语义级嵌入特征，对异构图进行分类处理，得到异构图的多个局部社区；对多个局部社区进行聚类处理，得到异构图的重叠社区，其中，重叠社区包括同时属于多个局部社区的对象节点。通过本申请，能够提高重叠社区识别的准确性。性。性。

【技术实现步骤摘要】
重叠社区识别方法、装置、设备、存储介质及程序产品


[0001]本申请涉及人工智能技术，尤其涉及一种基于人工智能的重叠社区识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]人工智能(AI，Artificial Intelligence)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
[0003]重叠社区识别是人工智能领域的重要应用之一，能够在大规模的图数据中识别出重叠社区，并基于重叠社区进行下游应用，例如检测出异常用户、活跃账号等。
[0004]相关技术中缺乏重叠社区识别的有效方案，主要依赖于对图数据进行编码，得到图数据的编码向量，以基于编码向量识别出重叠社区。但是，这种方案识别出的重叠社区不准确，浪费了大量的计算资源。

技术实现思路

[0005]本申请实施例提供一种基于人工智能的重叠社区识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够提高重叠社区识别的准确性。
[0006]本申请实施例的技术方案是这样实现的：
[0007]本申请实施例提供一种基于人工智能的重叠社区识别方法，包括：
[0008]获取包括多个对象节点的异构图；
[0009]对所述异构图中的对象节点进行节点级注意力处理，得到所述对象节点的节点级嵌入特征；
[0010]基于所述对象节点的节点级嵌入特征，对所述对象节点进行语义级注意力处理，得到所述对象节点的语义级嵌入特征；
[0011]基于所述对象节点的语义级嵌入特征，对所述异构图进行分类处理，得到所述异构图的多个局部社区；
[0012]对所述多个局部社区进行聚类处理，得到所述异构图的重叠社区，其中，所述重叠社区包括同时属于所述多个局部社区的对象节点。
[0013]本申请实施例提供一种基于人工智能的重叠社区识别装置，包括：
[0014]获取模块，用于获取包括多个对象节点的异构图；
[0015]第一注意力模块，用于对所述异构图中的对象节点进行节点级注意力处理，得到所述对象节点的节点级嵌入特征；
[0016]第二注意力模块，用于基于所述对象节点的节点级嵌入特征，对所述对象节点进行语义级注意力处理，得到所述对象节点的语义级嵌入特征；
[0017]处理模块，用于基于所述对象节点的语义级嵌入特征，对所述异构图进行分类处理，得到所述异构图的多个局部社区；
[0018]对所述多个局部社区进行聚类处理，得到所述异构图的重叠社区，其中，所述重叠社区包括同时属于所述多个局部社区的对象节点。
[0019]上述技术方案中，所述对象节点具有多个元路径；所述第一注意力模块还用于确定通过任一所述元路径与所述对象节点连接的多个邻接节点；
[0020]对所述对象节点以及每个所述邻接节点分别进行特征转换处理，得到所述对象节点的转换特征以及所述邻接节点的转换特征；
[0021]对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行注意力处理，得到所述对象节点针对任一所述元路径的节点级嵌入特征。
[0022]上述技术方案中，所述第一注意力模块还用于确定所述对象节点的属性特征以及每个所述邻接节点的属性特征；
[0023]将所述对象节点的属性特征映射至特征空间，得到所述对象节点的转换特征；
[0024]将每个所述邻接节点的属性特征映射至所述特征空间，得到每个所述邻接节点的转换特征。
[0025]上述技术方案中，所述第一注意力模块还用于对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行基于所述元路径的注意力处理，得到所述对象节点与每个所述邻接节点之间的节点对权重；
[0026]基于每个所述邻接节点的转换特征以及所述节点对权重，确定所述对象节点针对任一所述元路径的节点级嵌入特征。
[0027]上述技术方案中，所述第一注意力模块还用于基于所述节点对权重对每个所述邻接节点的转换特征进行加权求和处理，得到所述对象节点的加权特征；
[0028]对所述对象节点的加权特征进行映射处理，得到所述对象节点针对任一所述元路径的节点级嵌入特征。
[0029]上述技术方案中，所述第一注意力模块还用于对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行自注意力处理，得到所述对象节点与每个所述邻接节点之间的节点对注意力系数；
[0030]对所述对象节点与每个所述邻接节点之间的节点对注意力系数进行归一化处理，得到所述对象节点与每个所述邻接节点之间的节点对权重。
[0031]上述技术方案中，所述第一注意力模块还用于对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行拼接处理，得到所述对象节点与每个所述邻接节点的拼接特征；
[0032]将所述元路径的节点级注意力向量与所述拼接特征相乘，得到所述对象节点与每个所述邻接节点的融合特征；
[0033]对所述对象节点与每个所述邻接节点的融合特征进行映射处理，得到所述对象节点与每个所述邻接节点之间的节点对注意力系数。
[0034]上述技术方案中，所述对象节点具有多个元路径，所述节点对象的节点级嵌入特征包括针对每个所述元路径的节点级嵌入特征；所述第二注意力模块还用于对所述对象节点针对每个所述元路径的节点级嵌入特征进行基于所述元路径的注意力处理，得到每个所
述元路径的权重；
[0035]基于每个所述元路径的权重，对所述对象节点针对每个所述元路径的节点级嵌入特征进行加权求和处理，得到所述对象节点的语义级嵌入特征。
[0036]上述技术方案中，所述第二注意力模块还用于对每个所述对象节点针对任一所述元路径的节点级嵌入特征进行自注意力处理，得到任一所述元路径的注意力系数；
[0037]对任一所述元路径的注意力系数进行归一化处理，得到任一所述元路径的权重。
[0038]上述技术方案中，所述第二注意力模块还用于对每个所述对象节点针对任一所述元路径的节点级嵌入特征进行映射处理，得到每个所述对象节点针对任一所述元路径的映射特征；
[0039]将所述元路径的语义级注意力向量与每个所述对象节点针对任一所述元路径的映射特征相乘，得到每个所述对象节点针对任一所述元路径的融合系数；
[0040]对所述多个对象节点分别对应的针对任一所述元路径的融合系数进行平均处理，得到任一所述元路径的注意力系数。
[0041]上述技术方案中，所述处理模块还用于基于所述对象节点的语义级嵌入特征对所述对象节点进行映射处理，得到所述对象节点所属的社区；
[0042]当属于所述社区的对象节点为至少一个时，将所述社区作为所述异构图的局部社区；
[0043]对所述多个局部社区进行逻辑并处理，得到所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的重叠社区识别方法，其特征在于，所述方法包括：获取包括多个对象节点的异构图；对所述异构图中的对象节点进行节点级注意力处理，得到所述对象节点的节点级嵌入特征；基于所述对象节点的节点级嵌入特征，对所述对象节点进行语义级注意力处理，得到所述对象节点的语义级嵌入特征；基于所述对象节点的语义级嵌入特征，对所述异构图进行分类处理，得到所述异构图的多个局部社区；对所述多个局部社区进行聚类处理，得到所述异构图的重叠社区，其中，所述重叠社区包括同时属于所述多个局部社区的对象节点。2.根据权利要求1所述的方法，其特征在于，所述对象节点具有多个元路径；所述对所述异构图中的对象节点进行节点级注意力处理，得到所述对象节点的节点级嵌入特征，包括：确定通过任一所述元路径与所述对象节点连接的多个邻接节点；对所述对象节点以及每个所述邻接节点分别进行特征转换处理，得到所述对象节点的转换特征以及所述邻接节点的转换特征；对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行注意力处理，得到所述对象节点针对任一所述元路径的节点级嵌入特征。3.根据权利要求2所述的方法，其特征在于，所述对所述对象节点以及每个所述邻接节点分别进行特征转换处理，得到所述对象节点的转换特征以及所述邻接节点的转换特征，包括：确定所述对象节点的属性特征以及每个所述邻接节点的属性特征；将所述对象节点的属性特征映射至特征空间，得到所述对象节点的转换特征；将每个所述邻接节点的属性特征映射至所述特征空间，得到每个所述邻接节点的转换特征。4.根据权利要求2所述的方法，其特征在于，所述对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行注意力处理，得到所述对象节点针对任一所述元路径的节点级嵌入特征，包括：对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行基于所述元路径的注意力处理，得到所述对象节点与每个所述邻接节点之间的节点对权重；基于每个所述邻接节点的转换特征以及所述节点对权重，确定所述对象节点针对任一所述元路径的节点级嵌入特征。5.根据权利要求4所述的方法，其特征在于，所述基于每个所述邻接节点的转换特征以及所述节点对权重，确定所述对象节点的节点级嵌入特征，包括：基于所述节点对权重对每个所述邻接节点的转换特征进行加权求和处理，得到所述对象节点的加权特征；对所述对象节点的加权特征进行映射处理，得到所述对象节点针对任一所述元路径的节点级嵌入特征。
6.根据权利要求4所述的方法，其特征在于，所述对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行基于所述元路径的注意力处理，得到所述对象节点与每个所述邻接节点之间的节点对权重，包括：对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行自注意力处理，得到所述对象节点与每个所述邻接节点之间的节点对注意力系数；对所述对象节点与每个所述邻接节点之间的节点对注意力系数进行归一化处理，得到所述对象节点与每个所述邻接节点之间的节点对权重。7.根据权利要求6所述的方法，其特征在于，所述对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行自注意力处理，得到所述对象节点与每个所述邻接节点之间的节点对注意力系数，包括：对所述对象节点的转换特征以及每个所述邻接节点的转换特征进行拼接处理，得到所述对象节点与每个所述邻接节点的拼接特征；将所述元路径的节点级注意力向量与所述拼接特征相乘，得到所述对象节点与每个所述邻接节点的融合特征；对所述对象节点与每个所述邻接节点的融合特征进行映射处理，得到所述对象节点与每个所述邻接节点之间的节点对注意力系数。8.根据权利要求1所述的方法，其特征在于，所述对象节点具有多个元路径，所述节点对...

【专利技术属性】
技术研发人员：叶志豪，李晓雯，赵瑞辉，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：