本发明专利技术属于在计算机信息处理技术领域，提供一种基于异构图神经网络的目标服务确定方法、装置和电子设备，方法包括：获取待评估目标的社交信息；根据社交信息构建社交关系异构图，确定与待评估目标对应的注意力权重；将注意力权重输入预设的安全评估模型计算待评估目标的信任度。本发明专利技术根据待评估目标的社交信息构建具有不同类型社交关系的社交关系异构图，计算与待评估目标对应的注意力权重，并将注意力权重向量输入预设的安全评估模型计算待评估目标的信任度，根据信任度确定服务策略。在本方案中通过待评估目标的社交关系得到的信任度，为服务提供方在提供服务前及时做出应对策略，避免因提供的服务不匹配导致的损失，保障服务的数据安全。保障服务的数据安全。保障服务的数据安全。
【技术实现步骤摘要】
基于异构图神经网络的目标服务确定方法和装置
[0001]本专利技术属于计算机信息处理
，更具体的是涉及一种基于异构图神经网络的目标服务确定方法、装置、电子设备和计算机可读介质。
技术介绍
[0002]对于提供服务的机构而言，对服务使用方进行全面深入的分析，能够有助于为服务使用方提供更加优质的服务。但是，很多情况下，服务使用方提交的信息并不充分，特别是对于刚刚落地注册的服务使用方而言，服务机构仅能获知简单的使用方信息。在这种情况下，将分散在各地、各个机构的服务使用方数据进行整合就成为了一个重要趋势。
[0003]在数据服务领域，存在数据不安全的特点，因此机构通常通过运用大量的历史样例数据对评分模型进行训练，训练生成评分模型，来判断待评估目标的信任度，但是当机构收集的信息较少时，如何确定所提供的服务的难度会变的非常大，预测结果不准确，而预测结果不准确，也很难制定出相匹配的服务策略。
技术实现思路
[0004](一)要解决的技术问题
[0005]本专利技术旨在解决如何在信息较少的情况下准确预测对待评估目标的信任度的技术问题。
[0006](二)技术方案
[0007]为解决上述技术问题，本专利技术的一方面提出一种基于异构图神经网络的目标服务确定方法，包括：
[0008]获取待评估目标的社交信息；
[0009]根据所述社交信息构建具有不同类型社交关系的社交关系异构图，确定与所述待评估目标对应的注意力权重；
[0010]将所述注意力权重输入预设的安全评估模型计算所述待评估目标的信任度；
[0011]基于所述信任度与所述信任度趋势策略的比对结果，确定所述待评估目标的服务策略并进行推送。
[0012]根据本专利技术的优选实施方式，所述根据所述社交信息构建具有不同类型社交关系的社交关系异构图，确定与所述待评估目标对应的注意力权重，进一步包括：
[0013]将与所述待评估目标存在社交关系的目标作为邻居节点，将目标间的社交信息作为边，构建社交关系异构图；
[0014]根据社交关系异构图计算不同邻居节点与待评估目标间的节点注意力权重；
[0015]根据所述节点注意力权重计算待评估目标与各个邻居节点之间的边注意力权重。
[0016]根据本专利技术的优选实施方式，将所述注意力权重输入预设的安全评估模型计算所述待评估目标的信任度，进一步包括：
[0017]对所述节点注意力权重加权求和得到节点注意力权重向量；
[0018]对所述边注意力权重加权求和得到边注意力权重向量；
[0019]将待评估目标的节点注意力权重向量和边注意力权重向量分别输入安全评估模型得到所述待评估目标的信任度。
[0020]根据本专利技术的优选实施方式，所述信任度趋势策略的比对结果，确定所述待评估目标的服务策略并进行推送进一步包括：
[0021]设定不同的信任度阈值区间；
[0022]对不同的信任度阈值区间设置对应的服务策略；
[0023]根据所述待评估目标的信任度所在的信任度阈值区间提供对应的服务策略。
[0024]根据本专利技术的优选实施方式，所述获取待评估目标的社交信息进一步包括：
[0025]获取待评估目标的社交关系信息，包括通话信息、通讯录信息及地理位置信息。
[0026]根据本专利技术的优选实施方式，在根据所述社交信息构建具有不同类型社交关系的社交关系异构图，确定与所述待评估目标对应的注意力权重前，所述方法还包括：
[0027]将历史用户的社交信息作为训练样本；
[0028]根据所述训练样本构建社交关系异构图，计算得到所述历史用户的注意力权重向量；
[0029]将所述注意力权重向量输入卷积神经网络模型进行训练，得到所述安全评估模型。
[0030]根据本专利技术的优选实施方式，所述将所述注意力权重向量输入卷积神经网络模型进行训练，得到所述安全评估模型，进一步包括：
[0031]将历史用户的注意力权重向量输入神经网络模型，输出的安全评分与所述历史用户实际的安全评分进行比较；
[0032]通过损失函数调整模型参数使得模型输出的安全评分与所述历史用户实际的安全评分误差最小，最终得到所述安全评估模型。
[0033]根据本专利技术的优选实施方式，所述方法还包括：
[0034]定期更新所述训练样本，并根据更新后的训练样本更新所述安全评估模型。
[0035]本专利技术第二方面提出一种基于异构图神经网络的目标服务确定装置，包括：
[0036]信息获取模块，用于获取待评估目标的社交信息；
[0037]注意力权重计算模块，用于根据所述社交信息构建具有不同类型社交关系的社交关系异构图，确定与所述待评估目标对应的注意力权重；
[0038]评估模块，用于将所述注意力权重输入预设的安全评估模型计算所述待评估目标的信任度；
[0039]服务确定模块，用于基于所述信任度与所述信任度趋势策略的比对结果，确定所述待评估目标的服务策略并进行推送。
[0040]根据本专利技术的优选实施方式，所述注意力权重计算模块进一步包括：
[0041]社交关系异构图创建单元，用于将与所述待评估目标存在社交关系的目标作为邻居节点，将目标间的社交信息作为边，构建社交关系异构图；
[0042]节点注意力权重计算单元，用于根据社交关系异构图计算不同邻居节点与待评估目标间的节点注意力权重；
[0043]边注意力权重计算单元，用于根据所述节点注意力权重计算待评估目标与各个邻
居节点之间的边注意力权重。
[0044]根据本专利技术的优选实施方式，所述评估模块进一步包括：
[0045]节点注意力权重向量计算单元，用于对所述节点注意力权重加权求和得到节点注意力权重向量；
[0046]边注意力权重向量计算单元，用于对所述边注意力权重加权求和得到边注意力权重向量；
[0047]评估单元，用于将待评估目标的节点注意力权重向量和边注意力权重向量分别输入安全评估模型得到所述待评估目标的信任度。
[0048]根据本专利技术的优选实施方式，所述服务确定模块进一步包括：
[0049]信任度阈值区间设置单元，用于设定不同的信任度阈值区间；
[0050]服务策略制定单元，用于对不同的信任度阈值区间设置对应的服务策略；
[0051]服务确定单元，用于根据所述待评估目标的信任度所在的信任度阈值区间提供对应的服务策略。
[0052]本专利技术第三方面提出一种电子设备，包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机程序被所述处理器执行时，所述处理器执行所述的方法。
[0053]本专利技术第四方面还提出一种计算机可读介质，存储有计算机可执行程序，所述计算机可执行程序被执行时，实现所述的方法。
[0054](三)有益效果
[0055]本专利技术通过获取待评估目标的社交信息，根据所述社交信息构建具有不同类型社交关本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于异构图神经网络的目标服务确定方法，其特征在于，包括：获取待评估目标的社交信息；根据所述社交信息构建具有不同类型社交关系的社交关系异构图，通过所述社交关系异构图中节点的社交关系确定与所述待评估目标对应的注意力权重；将所述注意力权重输入预设的安全评估模型计算所述待评估目标的信任度；基于所述信任度与所述信任度趋势策略的比对结果，确定所述待评估目标的服务策略并进行推送。2.根据权利要求1所述的基于异构图神经网络的目标服务确定方法，其特征在于，所述根据所述社交信息构建具有不同类型社交关系的社交关系异构图，确定与所述待评估目标对应的注意力权重，进一步包括：将与所述待评估目标存在社交关系的目标作为邻居节点，将目标间的社交信息作为边，构建社交关系异构图；根据社交关系异构图计算不同邻居节点与待评估目标间的节点注意力权重；根据所述节点注意力权重计算待评估目标与各个邻居节点之间的边注意力权重。3.根据权利要求2所述的基于异构图神经网络的目标服务确定方法，其特征在于，所述将所述注意力权重输入预设的安全评估模型计算所述待评估目标的信任度，进一步包括：对所述节点注意力权重加权求和得到节点注意力权重向量；对所述边注意力权重加权求和得到边注意力权重向量；将待评估目标的节点注意力权重向量和边注意力权重向量分别输入安全评估模型得到所述待评估目标的信任度。4.根据权利要求1所述的基于异构图神经网络的目标服务确定方法，其特征在于，所述信任度趋势策略的比对结果，确定所述待评估目标的服务策略并进行推送进一步包括：设定不同的信任度阈值区间；对不同的信任度阈值区间设置对应的服务策略；根据所述待评估目标的信任度所在的信任度阈值区间提供对应的服务策略。5.根据权利要求1所述的基于异构图神经网络的目标服务确定方法，其特征在于，在根据所述社交信息构建具有不同类型社交关系的社交关系异构图，确定与所述待评估目标对应的注意力权重前，所述方法还包括：将历史用户的社交信息作为训练样本；根据所述训练样本构建社交关系异构图，计算得到所述历史用户的注意力权重向量；将所述注意力权重向量输入卷积神经网络模型进行训练，得到所述安全评估模型。6.根据权利要求5所述的基于异构图神经网络的目标服务确定方法，其特征在于，所述将所述注意力权重向量输入卷积神经网络模型进行训练，得到所述安全评估模型，进一步包括：将历史用户的注意力权重向量输入神经网络模型，输出的安全评分与所述历史用户实际的安全评分进行比较；通过损失函数调整模型参数使得模型输出的安全评分与所述...
【专利技术属性】
技术研发人员：宋孟楠，王磊，
申请(专利权)人：上海淇玥信息技术有限公司，
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。