异常节点识别方法、装置、设备、存储介质及程序产品制造方法及图纸

本申请提供了一种异常节点识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品；方法包括：获取包括多个节点的异构图，其中，节点为对象节点或者群组节点；对异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个节点的类型级注意力权重；基于每个节点的类型级注意力权重，对每个节点进行节点级注意力处理，得到每个节点的节点级注意力权重；基于每个节点的节点级注意力权重，对异构图中的节点进行编码处理，得到每个节点的嵌入特征；基于每个节点的嵌入特征，对每个节点进行异常识别处理，得到每个节点的异常识别结果。果。果。

【技术实现步骤摘要】
异常节点识别方法、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，尤其涉及一种异常节点识别方法
、
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]异常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社交网络中的异常对象或异常群组，从而控制异常对象或异常群组的异常行为
。
[0004]相关技术中缺乏社交网络中异常识别的有效方案，主要依赖于对社交网络中的节点进行编码，得到节点的编码向量，以基于编码向量识别出异常节点
。
但是，这种方案识别出的异常节点不准确，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异常节点识别方法
、
装置
、
电子设备
、
计算机可读存储介质及计算机程序产品，能够准确地识别出异常的对象节点或群组节点，提高异常节点识别的准确性
。
[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异常节点识别方法，包括：
[0008]获取包括多个节点的异构图，其中，所述节点为对象节点或者群组节点；
[0009]对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重；
[0010]基于每个所述节点的类型级注意力权重，对每个所述节点进行节点级注意力处理，得到每个所述节点的节点级注意力权重；
[0011]基于每个所述节点的节点级注意力权重，对所述异构图中的节点进行编码处理，得到每个所述节点的嵌入特征；
[0012]基于每个所述节点的嵌入特征，对每个所述节点进行异常识别处理，得到每个所述节点的异常识别结果
。
[0013]本申请实施例提供一种异常节点识别装置，包括：
[0014]获取模块，用于获取包括多个节点的异构图，其中，所述节点为对象节点或者群组节点；
[0015]注意力模块，用于对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重；
[0016]基于每个所述节点的类型级注意力权重，对每个所述节点进行节点级注意力处理，得到每个所述节点的节点级注意力权重；
[0017]编码模块，用于基于每个所述节点的节点级注意力权重，对所述异构图中的节点进行编码处理，得到每个所述节点的嵌入特征；
[0018]识别模块，用于基于每个所述节点的嵌入特征，对每个所述节点进行异常识别处理，得到每个所述节点的异常识别结果
。
[0019]上述技术方案中，所述对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重之前，所述获取模块还用于基于所述对象节点与所述群组节点之间的至少一种边关系，确定所述对象节点与所述群组节点之间的边的权重
。
[0020]上述技术方案中，所述获取模块还用于获取所述对象节点与所述群组节点之间的至少一种边关系分别对应的权重；
[0021]对所述对象节点与所述群组节点之间的至少一种边关系分别对应的权重进行加和处理，得到所述对象节点与所述群组节点之间的边的权重
。
[0022]上述技术方案中，所述注意力模块还用于针对所述异构图中的节点
v
执行以下处理：
[0023]确定所述节点
v
的任一类型的至少一个邻居节点，其中，所述任一类型的至少一个邻居节点为通过所述任一类型的边关系与所述节点
v
连接的节点；
[0024]对所述至少一个邻居节点的节点特征进行聚合处理，得到所述节点
v
在所述任一类型下的特征表示；
[0025]对所述节点
v
在所述任一类型下的特征表示以及所述节点
v
的节点特征进行注意力处理，得到所述节点
v
在所述任一类型下的注意力权重；
[0026]将所述节点
v
在多个所述类型下的注意力权重的集合，作为每个所述节点的类型级注意力权重
。
[0027]上述技术方案中，所述注意力模块还用于确定每个所述邻居节点与所述节点
v
之间的边的权重；
[0028]基于每个所述邻居节点与所述节点
v
之间的边的权重，对每个所述邻居节点的节点特征进行加权求和处理，得到所述节点
v
在所述任一类型下的特征表示
。
[0029]上述技术方案中，所述注意力模块还用于对所述节点
v
在所述任一类型下的特征表示以及所述节点
v
的节点特征进行融合处理，得到所述节点
v
在所述任一类型下的融合特征；
[0030]基于所述任一类型的可学习参数，对所述节点
v
在所述任一类型下的融合特征进行映射处理，得到所述节点
v
在所述任一类型下的注意力分值；
[0031]对所述节点
v
在所述任一类型下的注意力分值进行归一化处理，得到所述节点
v
在所述任一类型下的注意力权重
。
[0032]上述技术方案中，所述注意力模块还用于针对所述异构图中的节点
v
执行以下处理：
[0033]确定所述节点
v
的任一类型的至少一个邻居节点，其中，所述任一类型的至少一个邻居节点为通过所述任一类型的边关系与所述节点
v
连接的节点；
[0034]从所述节点
v
的类型级注意力权重中，获取所述节点
v
在所述任一类型下的注意力权重；
[0035]基于所述节点
v
在所述任一类型下的注意力权重以及所述至少一个邻居节点，对所述节点
v
进行注意力处理，得到所述节点
v
的节点级注意力权重
。
[0036]上述技术方案中，所述注意力模块还用于对所述节点
v
的特征表示以及每个所述邻居节点的节点特征进行融合处理，得到所述节点
v
与每个所述邻居节点之间的融合特征；
[0037]基于所述节点...

【技术保护点】

【技术特征摘要】
1.
一种异常节点识别方法，其特征在于，所述方法包括：获取包括多个节点的异构图，其中，所述节点为对象节点或者群组节点；对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重；基于每个所述节点的类型级注意力权重，对每个所述节点进行节点级注意力处理，得到每个所述节点的节点级注意力权重；基于每个所述节点的节点级注意力权重，对所述异构图中的节点进行编码处理，得到每个所述节点的嵌入特征；基于每个所述节点的嵌入特征，对每个所述节点进行异常识别处理，得到每个所述节点的异常识别结果
。2.
根据权利要求1所述的方法，其特征在于，所述对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重之前，所述方法还包括：基于所述对象节点与所述群组节点之间的至少一种边关系，确定所述对象节点与所述群组节点之间的边的权重
。3.
根据权利要求2所述的方法，其特征在于，所述基于所述对象节点与所述群组节点之间的至少一种边关系，确定所述对象节点与所述群组节点之间的边的权重，包括：获取所述对象节点与所述群组节点之间的至少一种边关系分别对应的权重；对所述对象节点与所述群组节点之间的至少一种边关系分别对应的权重进行加和处理，得到所述对象节点与所述群组节点之间的边的权重
。4.
根据权利要求1所述的方法，其特征在于，所述对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重，包括：针对所述异构图中的节点
v
执行以下处理：确定所述节点
v
的任一类型的至少一个邻居节点，其中，所述任一类型的至少一个邻居节点为通过所述任一类型的边关系与所述节点
v
连接的节点；对所述至少一个邻居节点的节点特征进行聚合处理，得到所述节点
v
在所述任一类型下的特征表示；对所述节点
v
在所述任一类型下的特征表示以及所述节点
v
的节点特征进行注意力处理，得到所述节点
v
在所述任一类型下的注意力权重；将所述节点
v
在多个所述类型下的注意力权重的集合，作为每个所述节点的类型级注意力权重
。5.
根据权利要求4所述的方法，其特征在于，所述对所述至少一个邻居节点的节点特征进行聚合处理，得到所述节点
v
在所述任一类型下的特征表示，包括：确定每个所述邻居节点与所述节点
v
之间的边的权重；基于每个所述邻居节点与所述节点
v
之间的边的权重，对每个所述邻居节点的节点特征进行加权求和处理，得到所述节点
v
在所述任一类型下的特征表示
。6.
根据权利要求4所述的方法，其特征在于，所述对所述节点
v
在所述任一类型下的特征表示以及所述节点
v
的节点特征进行注意力处理，得到所述节点
v
在所述任一类型下的注意力权重，包括：对所述节点
v
在所述任一类型下的特征表示以及所述节点
v
的节点特征进行融合处理，
得到所述节点
v
在所述任一类型下的融合特征；基于所述任一类型的可学习参数，对所述节点
v
在所述任一类型下的融合特征进行映射处理，得到所述节点
v
在所述任一类型下的注意力分值；对所述节点
v
在所述任一类型下的注意力分值进行归一化处理，得到所述节点
v
在所述任一类型下的注意力权重
。7.
根据权利要求1所述的方法，其特征在于，所述基于每个所述节点的类型级注意力权重，对每个所述节点进行节点级注意力处理，得到每个所述节点的节点级注意力权重，包括：针对所述异构图中的节点
v
执行以下处理：确定所述节点
v
的任一类型的至少一个邻居节点，其中，所述任一类型的至少一个邻居节点为通过所述任一类型的边关系与所述节点
v
连接的节点；从所述节点
v
的类型级注意力权重中，获取所述节点
...

【专利技术属性】
技术研发人员：曾培智，陈少杰，祁麟，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：