一种数据查询方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种数据查询方法、装置、电子设备和存储介质；可以获取包括目标对象交互操作与交互关联对象之间的关联关系的对象交互数据和包括不同的特征提取网络的交互关系提取模型，交互关系提取模型的训练样本包括无标注的样本交互数据，通过各特征提取网络对对象交互数据进行特征提取，得到各特征提取网络对应的交互特征，对各交互特征进行特征融合，得到对象交互特征，基于对象交互特征和预设处理任务得到处理后交互特征，将处理后交互特征与参考特征进行相似度计算，得到处理后交互特征与各参考特征的相似度，进而得到处理结果；因此，可以降低模型训练对人工标注样本的需求，节约人力资源，有利于提升音乐、视频等数据查询的效率。数据查询的效率。数据查询的效率。

【技术实现步骤摘要】
一种数据查询方法、装置、电子设备和存储介质


[0001]本专利技术涉及计算机
，具体涉及一种数据查询方法、装置、电子设备和存储介质。

技术介绍

[0002]随着深度学习技术的蓬勃发展以及受图神经网络领域图嵌入技术的启发，自动学习网络中节点或图的向量表示成为近年来的研究热点。大多数的图表示学习方法高度依赖于数据标注，但随着图数据的海量增长，此类监督式的学习需要高昂的标注成本。
[0003]目前，在涉及到用户群体或者用户内容分类等问题时采取的主要方法是，由人工根据用户的交互数据对用户进行分类标注，采用标注后的交互数据对图表示模型进行训练。但是采用这种方案，需要数量庞大的标注样本，才能使得图表示模型对交互为数据有良好的特征提取能力和分类能力，对人工标注的依赖很大，不利于提升分类效率。

技术实现思路

[0004]本专利技术实施例提供一种数据查询方法、装置、电子设备和存储介质，可以减少数据查询结果对人工精标注样本的依赖，节约人力资源，有利于提升对数据的查询效率。
[0005]本专利技术实施例提供一种数据查询方法，包括：
[0006]获取对象交互数据以及交互关系提取模型，所述对象交互数据包括目标对象交互操作与交互关联对象之间的关联关系，所述交互关系提取模型的训练样本包括无标注的样本交互数据，所述交互关系提取模型包括至少两个不同的特征提取网络；
[0007]通过所述交互关系提取模型中的各所述特征提取网络，对所述对象交互数据进行特征提取，得到各所述特征提取网络对应的交互特征；r/>[0008]对各所述特征提取网络对应的交互特征进行特征融合，得到所述对象交互数据对应的对象交互特征；
[0009]基于所述对象交互特征以及预设处理任务，得到所述预设处理任务对应的处理后交互特征，所述预设处理任务与目标对象交互操作或交互关联对象相关；
[0010]将所述处理后交互特征与所述预设处理任务对应的至少一个参考特征进行相似度计算，得到所述处理后交互特征与各参考特征的相似度；
[0011]基于所述相似度得到所述预设处理任务的处理结果。
[0012]相应的，本专利技术实施例还提供一种数据查询装置，包括：
[0013]数据获取单元，用于获取对象交互数据以及交互关系提取模型，所述对象交互数据包括目标对象交互操作与交互关联对象之间的关联关系，所述交互关系提取模型的训练样本包括无标注的样本交互数据，所述交互关系提取模型包括至少两个不同的特征提取网络；
[0014]特征提取单元，用于通过所述交互关系提取模型中的各所述特征提取网络，对所述对象交互数据进行特征提取，得到各所述特征提取网络对应的交互特征；
[0015]特征融合单元，用于对各所述特征提取网络对应的交互特征进行特征融合，得到所述对象交互数据对应的对象交互特征；
[0016]特征处理单元，用于基于所述对象交互特征以及预设处理任务，得到所述预设处理任务对应的处理后交互特征，所述预设处理任务与目标对象交互操作或交互关联对象相关；
[0017]相似度计算单元，用于将所述处理后交互特征与所述预设处理任务对应的至少一个参考特征进行相似度计算，得到所述处理后交互特征与各参考特征的相似度；
[0018]结果获取单元，用于基于所述相似度得到所述预设处理任务的处理结果。
[0019]可选的，所述预设处理任务包括与交互关联对象相关的对象查询任务，所述对象查询任务对应的所述参考特征通过对目标对象可以进行交互的交互关联对象进行特征提取得到；
[0020]对应的，所述特征处理单元，用于基于所述对象查询任务，获取对象查询内容特征；
[0021]基于所述对象交互特征和所述对象查询内容特征进行特征融合，得到所述预设处理任务对应的处理后交互特征；
[0022]所述相似度计算单元，用于将所述处理后交互特征与所述对象查询任务对应的至少一个参考特征进行相似度计算。
[0023]可选的，所述预设处理任务包括与目标对象交互操作相关的交互查询任务，所述交互查询任务对应的所述参考特征通过所述交互关系提取模型，对至少一个对象的参考交互数据进行交互特征提取得到；
[0024]对应的，所述相似度计算单元，用于将所述处理后交互特征与所述交互查询任务对应的至少一个参考特征进行相似度计算。
[0025]可选的，所述交互关系提取模型包括第一特征提取网络和第二特征提取网络，所述第一特征提取网络的第一参数与所述第二特征提取网络的第二参数不同，所述第二参数基于所述第一参数进行调整得到；
[0026]对应的，所述特征提取单元，用于通过所述第一特征提取网络的第一参数，将所述对象交互数据映射到交互特征向量空间中，基于映射结果得到所述第一特征提取网络对应的第一交互特征；
[0027]通过所述第二特征提取网络的第二参数，将所述对象交互数据映射到所述交互特征向量空间中，基于映射结果得到所述第二特征提取网络对应的第二交互特征。
[0028]可选的，所述第一特征提取网络包括至少一个图卷积单元，所述第二特征提取网络包括至少一个图卷积单元，本专利技术实施例中的特征提取单元用于通过当前图卷积单元的卷积参数，基于前一图卷积单元输出的第一交互特征进行特征融合，得到当前图卷积单元的第一交互特征，其中，若当前图卷积单元为第一个图卷积单元，所述前一图卷积单元输出的第一交互特征基于所述对象交互数据得到；
[0029]将所述当前图卷积单元的后一图卷积单元作为新的当前图卷积单元，返回执行所述通过当前图卷积单元的卷积参数，基于前一图卷积单元输出的第一交互特征进行特征融合，得到当前图卷积单元的第一交互特征的步骤，直到最后一个图卷积单元输出第一交互特征为止；
[0030]通过当前图卷积单元的卷积参数，基于前一图卷积单元输出的第二交互特征进行特征融合，得到当前图卷积单元的第二交互特征，其中，若当前图卷积单元为第二个图卷积单元，所述前一图卷积单元输出的第二交互特征基于所述对象交互数据得到；
[0031]将所述当前图卷积单元的后一图卷积单元作为新的当前图卷积单元，返回执行所述通过当前图卷积单元的卷积参数，基于前一图卷积单元输出的第二交互特征进行特征融合，得到当前图卷积单元的第二交互特征的步骤，直到最后一个图卷积单元输出第二交互特征为止。
[0032]可选的，本专利技术实施例提供的数据查询装置还包括训练特征提取单元、训练损失计算单元和模型参数调整单元；
[0033]所述训练特征提取单元，用于通过待训练的交互关系提取模型中的各待训练的特征提取网络，对至少两组样本交互数据分别进行特征提取，得到各所述样本交互数据通过各所述待训练的特征提取网络得到的样本交互特征；
[0034]所述训练损失计算单元，用于基于各所述样本交互数据通过各所述待训练的特征提取网络得到的样本交互特征，计算所述待训练的交互关系提取模型的损失；
[0035]所述模型参数调整单元，用于根据所述损失，对所述待训练的交互关系提取模型的模型参数进行调整，得到训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据查询方法，其特征在于，包括：获取对象交互数据以及交互关系提取模型，所述对象交互数据包括目标对象交互操作与交互关联对象之间的关联关系，所述交互关系提取模型的训练样本包括无标注的样本交互数据，所述交互关系提取模型包括至少两个不同的特征提取网络；通过所述交互关系提取模型中的各所述特征提取网络，对所述对象交互数据进行特征提取，得到各所述特征提取网络对应的交互特征；对各所述特征提取网络对应的交互特征进行特征融合，得到所述对象交互数据对应的对象交互特征；基于所述对象交互特征以及预设处理任务，得到所述预设处理任务对应的处理后交互特征，所述预设处理任务与目标对象交互操作或交互关联对象相关；将所述处理后交互特征与所述预设处理任务对应的至少一个参考特征进行相似度计算，得到所述处理后交互特征与各参考特征的相似度；基于所述相似度得到所述预设处理任务的处理结果。2.根据权利要求1所述的数据查询方法，其特征在于，所述预设处理任务包括与交互关联对象相关的对象查询任务，所述对象查询任务对应的所述参考特征通过对目标对象可以进行交互的交互关联对象进行特征提取得到；所述基于所述对象交互特征以及预设处理任务，得到所述预设处理任务对应的处理后交互特征，包括：基于所述对象查询任务，获取对象查询内容特征；基于所述对象交互特征和所述对象查询内容特征进行特征融合，得到所述预设处理任务对应的处理后交互特征；所述将所述处理后交互特征与所述预设处理任务对应的至少一个参考特征进行相似度计算，包括：将所述处理后交互特征与所述对象查询任务对应的至少一个参考特征进行相似度计算。3.根据权利要求1所述的数据查询方法，其特征在于，所述预设处理任务包括与目标对象交互操作相关的交互查询任务，所述交互查询任务对应的所述参考特征通过所述交互关系提取模型，对至少一个对象的参考交互数据进行交互特征提取得到；所述将所述处理后交互特征与所述预设处理任务对应的至少一个参考特征进行相似度计算，包括：将所述处理后交互特征与所述交互查询任务对应的至少一个参考特征进行相似度计算。4.根据权利要求1所述的数据查询方法，其特征在于，所述交互关系提取模型包括第一特征提取网络和第二特征提取网络，所述第一特征提取网络的第一参数与所述第二特征提取网络的第二参数不同，所述第二参数基于所述第一参数进行调整得到；所述通过所述交互关系提取模型中的各所述特征提取网络，对所述对象交互数据进行特征提取，得到各所述特征提取网络对应的交互特征，包括：通过所述第一特征提取网络的第一参数，将所述对象交互数据映射到交互特征向量空间中，基于映射结果得到所述第一特征提取网络对应的第一交互特征；
通过所述第二特征提取网络的第二参数，将所述对象交互数据映射到所述交互特征向量空间中，基于映射结果得到所述第二特征提取网络对应的第二交互特征。5.根据权利要求4所述的数据查询方法，其特征在于，所述第一特征提取网络包括至少一个图卷积单元，所述第二特征提取网络包括至少一个图卷积单元；所述通过所述第一特征提取网络的第一参数，将所述对象交互数据映射到交互特征向量空间中，基于映射结果得到所述第一特征提取网络对应的第一交互特征，包括：通过当前图卷积单元的卷积参数，基于前一图卷积单元输出的第一交互特征进行特征融合，得到当前图卷积单元的第一交互特征，其中，若当前图卷积单元为第一个图卷积单元，所述前一图卷积单元输出的第一交互特征基于所述对象交互数据得到；将所述当前图卷积单元的后一图卷积单元作为新的当前图卷积单元，返回执行所述通过当前图卷积单元的卷积参数，基于前一图卷积单元输出的第一交互特征进行特征融合，得到当前图卷积单元的第一交互特征的步骤，直到最后一个图卷积单元输出第一交互特征为止；所述通过所述第二特征提取网络的第二参数，将所述对象交互数据映射到所述交互特征向量空间中，基于映射结果得到所述第二特征提取网络对应的第二交互特征，包括：通过当前图卷积单元的卷积参数，基于前一图卷积单元输出的第二交互特征进行特征融合，得到当前图卷积单元的第二交互特征，其中，若当前图卷积单元为第二个图卷积单元，所述前一图卷积单元输出的第二交互特征基于所述对象交互数据得到；将所述当前图卷积单元的后一图卷积单元作为新的当前图卷积单元，返回执行所述通过当前图卷积单元的卷积参数，基于前一图卷积单元输出的第二交互特征进行特征融合，得到当前图卷积单元的第二交互特征的步骤，直到最后一个图卷积单元输出第二交互特征为止。6.根据权利要求1所述的数据查询方法，其特征在于，所述获取对象交互数据以及交互关系提取模型之前，所述方法还包括：通过待训练的交互关系提取模型中的各待训练的特征提取网络，对至少两组样本交互数据分别进行特征提取，得到各所述样本交互数据通过各所述待训练的特征提取网络得到的样本交互特征；基于各所述样本交互数据通过各所述待训练的特征提取网络得到的样本交互特征，计算所述待训练的交互关系提取模型的损失；根据所述损失，对所述待训练的交互关系提取模型的模型参数进行调整，得到训练后的交互关系提取模型。7.根据权利要求6所述的数据查询方法，其特征在于，所述待训练的交互关系提取模型包括待训练的第一特征提取网络和待训练的第二特征提取网络，所述待训练的第一特征提取网络包括第一图卷积单元，所述待训练的第二特征提取网络包括第二图卷积单元；所述通过待训练的交互关系提取模型中的各待训练的特征提取网络，对至少两组样本交互数据分别进行特征提取，得到各所述样本交互数据通过各所述待训练的特征提取网络得到的样本交互特征，包括：通过所述第一图卷积单元，分别对至少两组样本交互数据进行第一交互特征提取，得到各所述...

【专利技术属性】
技术研发人员：梁小丹，王巨宏，郑冶枫，赵瑞辉，王硕佳，唐鉴恒，刘文阁，林帅，杨敏，
申请(专利权)人：中山大学，
类型：发明
国别省市：