一种业务对象的分类方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种业务对象的分类方法、装置、设备及存储介质，该方法包括：将业务对象转换为图神经网络，业务对象具有多个特征数据，图神经网络中的节点表示业务对象的多个特征向量；在图神经网络中计算节点之间的关联程度，作为节点的节点度；执行图神经网络，以输出业务对象归属预设的类别的第一概率；使用特征向量识别业务对象归属预设的类别的第二概率；针对同一类别，根据节点度将所述第一概率与第二概率融合为第三概率；根据第三概率确定业务对象归属的类别。本实施例使用节点度有机结合图神经网络对于社群节点预测的分类和基于特征向量对于单个节点预测的分类最终确定分类，提高了分类的精度。提高了分类的精度。提高了分类的精度。

【技术实现步骤摘要】
一种业务对象的分类方法、装置、设备及存储介质


[0001]本申请涉及计算机处理的
，尤其涉及一种业务对象的分类方法、装置、设备及存储介质。

技术介绍

[0002]在社群挖掘、异常检测等业务场景中，会对用户、视频、音频等业务对象进行分类，不同分类算法的优劣有所不同，因此，常常使用多个分类算法进行分类，通过集成机制将多个分类的结果集成为一个最终分类的结果。
[0003]目前，集成机制多使用平均值的方法，即，多个分类算法对一个业务对象输出多个分数向量，计算所有分数向量的平均值，为最终分数向量，取最大的分数向量所对应的类别为最终的分类结果。
[0004]平均值的方法对于各个分数向量的处理方式单一，针对不同的业务对象均使用统一的处理方式，分类的精度较低。

技术实现思路

[0005]本申请提供了一种业务对象的分类方法、装置、设备及存储介质，以解决如何提高通过集成机制分类的精度。
[0006]根据本申请的一方面，提供了一种业务对象的分类方法，包括：
[0007]将业务对象转换为图神经网络，所述业务对象具有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务对象的分类方法，其特征在于，包括：将业务对象转换为图神经网络，所述业务对象具有多个特征向量，所述图神经网络中的节点表示所述业务对象的多个特征向量；在所述图神经网络中计算所述节点之间的关联程度，作为所述节点的节点度；执行所述图神经网络，以输出所述业务对象归属预设的类别的第一概率；执行预设的分类模型，以使用所述特征向量识别所述业务对象归属预设的类别的第二概率；针对同一所述类别，根据所述节点度将所述第一概率与所述第二概率融合为第三概率；根据所述第三概率确定所述业务对象归属的所述类别。2.根据权利要求1所述的方法，其特征在于，所述在所述图神经网络中计算所述节点之间的关联程度，作为所述节点的节点度，包括：针对所述图神经网络中的每个所述节点，统计所述节点连接的边的数量，作为所述节点的节点度，其中，一条所述边连接两个所述节点。3.根据权利要求2所述的方法，其特征在于，所述针对所述图神经网络中的每个所述节点，统计所述节点连接的边的数量，作为所述节点的节点度，包括：针对所述图神经网络中的每个所述节点，对所述节点初始化节点度为零；查询所述图神经网络中的边；针对所述图神经网络中每条所述边，对所述边连接的两个所述节点的所述节点度累加一。4.根据权利要求1所述的方法，其特征在于，所述针对同一所述类别，根据所述节点度将所述第一概率与所述第二概率融合为第三概率，包括：按照所述节点度分别计算所述图神经网络对于分类的第一权重、所述分类模型对于分类的第二权重；针对同一所述类别，将所述第一权重与所述第一概率之间的乘积设置为第一调权值，将所述第二权重与所述第二概率之间的乘积设置为第二调权值；计算所述第一调权值与所述第二调权值之间的和值，作为第三概率。5.根据权利要求4所述的方法，其特征在于，所述按照所述节点度分别计算所述图神经网络对于分类的第一权重、所述分类模型对于分类的第二权重，包括：将所述节点度代入对所述图神经网络配置的第一映射函数中，以生成所述图神经网络对于分类的第一权重；将所述节点度代入对所述分类模型配置的第二映射函数中，以生成所述第二映射函数对于分类的第二权重；其中，所述第一权重与所述节点度正相关，所述第二权重与所述节点度正相关；若所述节点度表示所述节点为社群节点，则所述第一权重大于或等于所述第二权重；若所述节点度表示所述节点为孤立节点，则所述第一权重小于所述第二权重。6.根据权利要求5所述的方法，其特征在于，所述第一映射函数包括：
其中，H
G
(x)为所述第一权重，x为所述节点度，δ为权重的下限值，α...

【专利技术属性】
技术研发人员：李岩，
申请(专利权)人：百果园技术新加坡有限公司，
类型：发明
国别省市：