【技术实现步骤摘要】
本申请属于人工智能技术，尤其涉及一种对象表征方法、装置、设备及计算机可读存储介质。
技术介绍
1、随着线上购物、社交平台、视频平台等的发展，推荐系统已成为网络平台中不可或缺的部分。在推荐系统中，准确提取各个推荐对象和被推荐对象的表征信息，是提高推荐系统的推荐效果的重要前提。
2、目前，在使用神经网络模型对各个推荐对象和被推荐对象进行表征时，各个对象的特征往往会存在饱和值，也即出现过度平滑的问题，从而降低了对象表征的准确率。
技术实现思路
1、本申请实施例提供一种对象表征方法、装置、设备及计算机可读存储介质，能够有效改善对象表征时的过度平滑问题，进而提高对象表征的准确率。
2、第一方面，本申请实施例提供一种对象表征方法，该方法包括：
3、获取多个对象之间的关联关系；
4、根据所述关联关系构建以所述多个对象为节点的拓扑结构，所述拓扑结构中具有关联关系的对象所对应的节点之间具有连接边；
5、将所述拓扑结构和初始节点特征矩阵输入至对象表征模型中，所述对象表征模型中包括多个图神经网络层，所述初始节点特征矩阵中包括所述拓扑结构中的每个节点对应的初始特征信息；
6、利用所述多个图神经网络层中的每个图神经网络层，针对所述拓扑结构中的每个节点提取其邻居节点的共性信息和差异信息，作为所述节点的特征信息，输出得到与所述多个图神经网络层分别对应的节点特征矩阵；
7、对所述初始节点特征矩阵和与所述多个图神经网络层分别对应的节
8、第二方面，本申请实施例提供了一种对象表征装置，该装置包括：
9、关系获取模块，用于获取多个对象之间的关联关系；
10、拓扑构建模块，用于根据所述关联关系构建以所述多个对象为节点的拓扑结构，所述拓扑结构中具有关联关系的对象所对应的节点之间具有连接边；
11、信息输入模块，用于将所述拓扑结构和初始节点特征矩阵输入至对象表征模型中，所述对象表征模型中包括多个图神经网络层，所述初始节点特征矩阵中包括所述拓扑结构中的每个节点对应的初始特征信息；
12、信息提取模块，用于利用所述多个图神经网络层中的每个图神经网络层，针对所述拓扑结构中的每个节点提取其邻居节点的共性信息和差异信息，作为所述节点的特征信息，输出得到与所述多个图神经网络层分别对应的节点特征矩阵；
13、表征生成模块，用于对所述初始节点特征矩阵和与所述多个图神经网络层分别对应的节点特征矩阵进行第一聚合处理，生成与所述多个对象分别对应的对象表征信息。
14、第三方面，本申请实施例提供了一种电子设备，该电子设备包括：处理器以及存储有计算机程序指令的存储器；
15、处理器执行所述计算机程序指令时实现如第一方面的任一项实施例中所述的对象表征方法的步骤。
16、第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面的任一项实施例中所述的对象表征方法的步骤。
17、第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如第一方面的任一项实施例中所述的对象表征方法的步骤。
18、本申请实施例中的对象表征方法、装置、设备及计算机可读存储介质，通过利用多个对象之间的关联关系构建以对象为节点、关联关系为连接边的拓扑结构，并利用对象表征模型中的每个图神经网络层，对该拓扑结构中的每个节点提取其邻居节点的共性信息和差异信息，作为该节点的特征信息，进而对该对象表征模型输出的与其包含的多个图神经网络层分别对应的节点特征矩阵进行第一聚合处理，最终生成得到与该多个对象分别对应的对象表征信息。这样，由于本申请实施例中提取的是每个节点对应的邻居节点的共性信息和差异信息，不仅保留了节点之间的共性信息还保留了不同节点之间的差异信息，因此可以有效改善对象表征时的过度平滑问题，进而提高对象表征的准确率。
本文档来自技高网...【技术保护点】
1.一种对象表征方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述多个图神经网络层中的每个图神经网络层，针对所述拓扑结构中的每个节点提取其邻居节点的共性信息和差异信息，作为所述节点的特征信息，输出得到与所述多个图神经网络层分别对应的节点特征矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述初始节点特征矩阵，确定待输入至目标图神经网络层的目标节点特征矩阵，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述目标图神经网络层的上一个图神经网络层对应的节点特征矩阵，作为待输入至所述目标图神经网络层的目标节点特征矩阵，包括：
5.根据权利要求2所述的方法，其特征在于，所述利用所述目标图神经网络层针对所述拓扑结构中的每个节点提取其邻居节点对应的共性信息和差异信息，作为所述节点的特征信息，输出得到与所述目标图神经网络层对应的节点特征矩阵，包括：
6.根据权利要求5所述的方法，其特征在于，所述从所述k个邻居节点分别对应的特征信息中提取所述共性信息，包括：
7.根据权利
8.根据权利要求7所述的方法，其特征在于，所述对所述目标节点与所述k个邻居节点之间的相似度进行归一化处理，得到所述k个邻居节点分别对所述目标节点的影响权重，包括：
9.根据权利要求5所述的方法，其特征在于，所述基于所述共性信息和所述差异信息确定与所述目标节点对应的目标特征信息，包括：
10.根据权利要求9所述的方法，其特征在于，所述第二聚合处理包括向量特征联合处理、加权平均处理或线性变换处理。
11.根据权利要求1-10任一项所述的方法，其特征在于，所述对象表征模型中还包括第一神经网络层；
12.根据权利要求11所述的方法，其特征在于，在利用所述第一神经网络层对所述聚合特征矩阵中各个节点对应的特征信息进行降维处理，得到目标特征矩阵之后，所述方法还包括：
13.根据权利要求12所述的方法，其特征在于，所述模型参数包括所述初始节点特征矩阵，以及所述对象表征模型中各个神经网络层对应的网络参数。
14.一种对象表征装置，其特征在于，包括：
15.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；
16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-13任意一项所述的对象表征方法的步骤。
...【技术特征摘要】
1.一种对象表征方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述利用所述多个图神经网络层中的每个图神经网络层，针对所述拓扑结构中的每个节点提取其邻居节点的共性信息和差异信息，作为所述节点的特征信息，输出得到与所述多个图神经网络层分别对应的节点特征矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述初始节点特征矩阵，确定待输入至目标图神经网络层的目标节点特征矩阵，包括：
4.根据权利要求3所述的方法，其特征在于，所述将所述目标图神经网络层的上一个图神经网络层对应的节点特征矩阵，作为待输入至所述目标图神经网络层的目标节点特征矩阵，包括：
5.根据权利要求2所述的方法，其特征在于，所述利用所述目标图神经网络层针对所述拓扑结构中的每个节点提取其邻居节点对应的共性信息和差异信息，作为所述节点的特征信息，输出得到与所述目标图神经网络层对应的节点特征矩阵，包括：
6.根据权利要求5所述的方法，其特征在于，所述从所述k个邻居节点分别对应的特征信息中提取所述共性信息，包括：
7.根据权利要求6所述的方法，其特征在于，所述根据所述目标节点与所述k个邻居节点之间的相似度，确定所述k个邻居节点中每个邻居节点对所述目标节点的影响权重，包括：
8.根据权利要求7所述的...
【专利技术属性】
技术研发人员：孙建业，
申请(专利权)人：中国银联股份有限公司，
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。