本公开公开了一种图节点类别获取的方法、装置及电子设备，涉及人工智能领域，尤其涉及深度学习领域。具体实现方案为：根据目标节点对网络图进行邻居采样，以生成至少一个子图；根据所述子图中节点的标签对所述节点进行分组，以生成节点组；提取所述节点组中节点的特征以获取第一特征向量；根据所述节点组中节点的位置信息和所述第一特征向量获取所述目标节点的类别特征向量，并确定所述目标节点的类别。本公开实施例可以根据标签和阶数信息对子图中节点分组，提取每个节点组的特征并获取目标节点的类别。本公开实施例可以缓解邻居类别不平衡的问题，提升节点类别识别的准确度。提升节点类别识别的准确度。提升节点类别识别的准确度。
【技术实现步骤摘要】
图节点类别获取的方法、装置及电子设备
[0001]本公开涉及人工智能领域，尤其涉及深度学习领域。
技术介绍
[0002]在互联网金融日益发展的今天，出现了各种各样的欺诈形式，例如金融理财诈骗、虚假兼职诈骗等。然而不断增长的欺诈行为给场带来严重的威胁，识别出欺诈行为非常困难，欺诈检测已成为移动互联网中亟待解决的热点问题。由于对结构化数据有良好的表示能力且具有鲁棒性，基于图结构数据的图分析方法被应用于异常和欺诈检测，检测欺诈类别的节点。
[0003]但目前的技术中节点类别检测的效率较低，错误率较高。
技术实现思路
[0004]本公开提供了一种用于图节点类别获取的方法、装置、设备以及存储介质。
[0005]根据本公开的第一方面，提供了一种图节点类别获取的方法，包括：
[0006]根据目标节点对网络图进行邻居采样，以生成至少一个子图；
[0007]根据所述子图中节点的标签对所述节点进行分组，以生成节点组；
[0008]提取所述节点组的特征以获取第一特征向量；
[0009]根据所述节点组的位置信息和所述第一特征向量确定所述目标节点的类别。
[0010]可选的，所述根据所述节点组的位置信息和所述第一特征向量确定所述目标节点的类别，包括：
[0011]根据所述节点组的位置信息和所述第一特征向量生成所述目标节点的类别特征向量；
[0012]根据所述目标节点的类别特征向量确定所述目标节点的类别。
[0013]可选的，所述网络图中包含多个节点和多条边，所述多个节点之间通过所述多条边相连，所述根据目标节点对网络图进行邻居采样，以生成至少一个子图，包括：
[0014]获取所述目标节点的至少一个一阶邻居节点，其中，所述一阶邻居节点与所述目标节点通过对应的边相连；
[0015]确定至少一个与所述一阶邻居节点通过对应边相连的节点为二阶邻居节点；
[0016]根据所述目标节点、所述一阶邻居节点和所述二阶邻居节点生成所述子图。
[0017]可选的，所述根据所述子图中节点的标签对所述节点进行分组，以生成节点组，包括：
[0018]获取所述子图中节点的标签，根据标签相同且阶数相同的节点生成所述节点组。
[0019]可选的，所述标签包括欺诈标签、良性标签和未知标签之中的一种或多种。
[0020]可选的，所述提取所述节点组的特征以获取第一特征向量，包括：
[0021]聚合所述节点组中节点的特征，获取第二特征向量；
[0022]对所述第二特征向量进行线性映射，以生成所述第一特征向量。
[0023]可选的，所述根据所述节点组的位置信息和所述第一特征向量生成所述目标节点的类别特征向量，包括：
[0024]根据所述节点组中节点的位置信息获取位置信息向量；
[0025]将所述位置信息向量与所述第一特征向量融合，以生成第三特征向量；
[0026]根据所述第三特征向量获取所述类别特征向量。
[0027]可选的，所述位置信息向量包括第一位置信息向量、第二位置信息向量和第三位置信息向量，所述根据所述节点组中节点的位置信息获取位置信息向量，包括：
[0028]根据所述节点组对应的子图中边的性质获取第一位置信息向量；
[0029]根据所述节点组中节点的阶数获取第二位置信息向量；
[0030]根据所述节点组中节点的标签获取第三位置信息向量。
[0031]可选的，所述将所述位置信息向量与所述第一特征向量融合，包括：
[0032]将所述第一特征向量与所述位置信息向量相加。
[0033]可选的，所述根据所述第三特征向量获取所述类别特征向量，包括：
[0034]对所述第三特征向量进行编码，以生成至少一个类别特征子向量；
[0035]拼接所述类别特征子向量以生成所述类别特征向量。
[0036]根据本公开的第二方面，提供了一种图节点类别获取的装置，包括：
[0037]采样模块，用于根据目标节点对网络图进行邻居采样，以生成至少一个子图；
[0038]分组模块，用于根据所述子图中节点的标签对所述节点进行分组，以生成节点组；
[0039]特征提取模块，用于提取所述节点组的特征以获取第一特征向量；
[0040]类别获取模块，用于根据所述节点组的位置信息和所述第一特征向量确定所述目标节点的类别。
[0041]可选的，所述类别获取模块，包括：
[0042]类别特征向量获取子模块，用于根据所述节点组的位置信息和所述第一特征向量生成所述目标节点的类别特征向量；
[0043]类别获取子模块，用于根据所述目标节点的类别特征向量确定所述目标节点的类别。
[0044]可选的，所述网络图中包含多个节点和多条边，所述多个节点之间通过所述多条边相连，所述采样模块，包括：
[0045]第一采样子模块，用于获取所述目标节点的至少一个一阶邻居节点，其中，所述一阶邻居节点与所述目标节点通过对应的边相连；
[0046]第二采样子模块，用于确定至少一个与所述一阶邻居节点通过对应边相连的节点为二阶邻居节点；
[0047]子图生成子模块，用于根据所述目标节点、所述一阶邻居节点和所述二阶邻居节点生成所述子图。
[0048]可选的，所述分组模块，包括：
[0049]分组子模块，用于获取所述子图中节点的标签，根据标签相同且阶数相同的节点生成所述节点组。
[0050]可选的，所述标签包括欺诈标签、良性标签和未知标签之中的一种或多种。
[0051]可选的，所述特征提取模块，包括：
[0052]第一特征提取子模块，用于聚合所述节点组中节点的特征，获取第二特征向量；
[0053]特征映射模块，用于对所述第二特征向量进行线性映射，以生成所述第一特征向量。
[0054]可选的，所述类别特征向量获取子模块，包括：
[0055]位置信息向量获取单元，用于根据所述节点组中节点的位置信息获取位置信息向量；
[0056]特征融合单元，用于将所述位置信息向量与所述第一特征向量融合，以生成第三特征向量；
[0057]类别特征获取单元，用于根据所述第三特征向量获取所述类别特征向量。
[0058]可选的，所述位置信息向量包括第一位置信息向量、第二位置信息向量和第三位置信息向量，所述位置信息向量获取单元，包括：
[0059]第一位置信息获取子单元，用于根据所述节点组对应的子图中边的性质获取第一位置信息向量；
[0060]第二位置信息获取子单元，用于根据所述节点组中节点的阶数获取第二位置信息向量；
[0061]第三位置信息获取子单元，用于根据所述节点组中节点的标签获取第三位置信息向量。
[0062]可选的，所述特征融合单元，包括：
[0063]特征融合子单元，用于将所述第一特征向量与所述位置信息向量相加。
[006本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图节点类别获取的方法，包括：根据目标节点对网络图进行邻居采样，以生成至少一个子图；根据所述子图中节点的标签对所述节点进行分组，以生成节点组；提取所述节点组的特征以获取第一特征向量；根据所述节点组的位置信息和所述第一特征向量确定所述目标节点的类别。2.根据权利要求1所述的方法，其中，所述根据所述节点组的位置信息和所述第一特征向量确定所述目标节点的类别，包括：根据所述节点组的位置信息和所述第一特征向量生成所述目标节点的类别特征向量；根据所述目标节点的类别特征向量确定所述目标节点的类别。3.根据权利要求1所述的方法，其中，所述网络图中包含多个节点和多条边，所述多个节点之间通过所述多条边相连，所述根据目标节点对网络图进行邻居采样，以生成至少一个子图，包括：获取所述目标节点的至少一个一阶邻居节点，其中，所述一阶邻居节点与所述目标节点通过对应的边相连；确定至少一个与所述一阶邻居节点通过对应边相连的节点为二阶邻居节点；根据所述目标节点、所述一阶邻居节点和所述二阶邻居节点生成所述子图。4.根据权利要求3所述的方法，其中，所述根据所述子图中节点的标签对所述节点进行分组，以生成节点组，包括：获取所述子图中节点的标签，根据标签相同且阶数相同的节点生成所述节点组。5.根据权利要求4所述的方法，其中，所述标签包括欺诈标签、良性标签和未知标签之中的一种或多种。6.根据权利要求1所述的方法，其中，所述提取所述节点组的特征以获取第一特征向量，包括：聚合所述节点组中节点的特征，获取第二特征向量；对所述第二特征向量进行线性映射，以生成所述第一特征向量。7.根据权利要求2所述的方法，其中，所述根据所述节点组的位置信息和所述第一特征向量生成所述目标节点的类别特征向量，包括：根据所述节点组中节点的位置信息获取位置信息向量；将所述位置信息向量与所述第一特征向量融合，以生成第三特征向量；根据所述第三特征...
【专利技术属性】
技术研发人员：李伟彬，黄正杰，冯仕堃，黄世维，
申请(专利权)人：北京百度网讯科技有限公司，
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。