一种事件处理方法、装置及电子设备制造方法及图纸

一种事件处理方法，包括：获取用户输入的与第一动态图相关的事件流，事件流中包括多个事件；基于事件在第一动态图中的事件子图，得到多个事件间的依赖关系，其中，事件子图主要由事件所涉及的目标节点和目标节点的k阶邻居节点组成，k≥1；基于多个事件间的依赖关系，并行处理事件流中不具有依赖关系的事件，以及，串行处理事件流中具有依赖关系的事件。这样，在动态图中数据不断变化的情况下，通过对动态图中的事件间的依赖关系进行分析，从而可以并行处理事件流中不具有依赖关系的事件，并串行处理事件流中具有依赖关系的事件，进而可以加速动态图中事件的处理速度，提升处理效率。

【技术实现步骤摘要】

本申请涉及人工智能(artificial intelligence，ai)，尤其涉及一种事件处理方法、装置及电子设备。

技术介绍

1、图神经网络(graph neural networks，gnn)算法是一种从图结构中学习节点的表征(即特征向量)，以完成如节点分类、连接预测和图分类等下游任务的方法。gnn算法包括基于静态图(static graph)的算法和基于动态图(dynamic graph)的算法。其中，静态图指的是图的节点和边都是固定的，不会随时间变化。动态图指的是图的节点和边都是会动态变化的，会出现节点和边的动态增加、动态减少以及属性的动态变化。一般地，在实际生活中，图的节点和边往往都是动态变化的，边会动态增加(比如：用户购买新的商品、用户关注另一个用户等)，节点会增加(比如：新网页上线、新用户注册等)，节点的属性会变化(比如：用户的属性会随时间变化)等。基于静态图去解决问题，虽然处理起来更简单，但不符合实际，预测效果也会大打折扣。由于动态图更符合实际，因此，常基于动态图解决问题。但由于基于动态图的gnn算法中考虑了图的时序信息，随着时间的推移，本文档来自技高网...

【技术保护点】

1.一种事件处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述事件在所述第一动态图中的事件子图，得到多个所述事件间的依赖关系，具体包括：

3.根据权利要求1或2所述的方法，其特征在于，在基于所述事件在所述第一动态图中的事件子图，得到多个所述事件间的依赖关系之前，还包括：

4.根据权利要求1-3任一所述的方法，其特征在于，在处理完所述事件流中的第一事件之后，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1-5任一所述的方法，其特征在于，所述方...

【技术特征摘要】

1.一种事件处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述基于所述事件在所述第一动态图中的事件子图，得到多个所述事件间的依赖关系，具体包括：

3.根据权利要求1或2所述的方法，其特征在于，在基于所述事件在所述第一动态图中的事件子图，得到多个所述事件间的依赖关系之前，还包括：

4.根据权利要求1-3任一所述的方法，其特征在于，在处理完所述事件流中的第一事件之后，所述方法还包括：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

6.根据权利要求1-5任一所述的方法，其特征...

【专利技术属性】
技术研发人员：高德超，王千阁，张岩峰，朱俊华，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：