[發明專利]一種基于異構網絡的特征聚合方法、裝置、設備和存儲介質

在審

• 申請號: 201911192219.5
• 申請日: 2019-11-28
• 公開（公告）號: CN111625688A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 李偉;彭南博;程建波
• 申請（專利權）人: 京東數字科技控股有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 張麗穎

本發明公開了一種基于異構網絡的特征聚合方法、裝置、設備和存儲介質。該方法包括：對在預先構建的異構網絡中的每個節點執行如下處理：采樣當前處理的節點的多個鄰居節點；獲取所述節點的屬性信息和所述節點的每個所述鄰居節點的屬性信息；按照預設的基于節點類型的聚合方法，對所述節點的屬性信息和所述節點的每個所述鄰居節點的屬性信息執行聚合處理，得到處于預設特征空間的特征向量，將所述特征向量作為所述節點的特征向量。本發明使異構網絡中節點類型相同或者不同的節點的特征向量都處于相同的特征空間，使得異構網絡中的各個節點可以被視作同一類型節點，進而可以對異構網絡中的各個節點進行特征分析。

技術領域

本發明涉及計算機技術領域，尤其涉及一種基于異構網絡的特征聚合方法、裝置、設備和存儲介質。

背景技術

圖(關系網絡)是由節點和邊組成的一種數據結構G＝(V,E)，其中，V表示節點，E表示邊。在關系網絡中，通常使用業務規則來生成節點與節點之間的邊，并且根據業務規則為生成的邊設置不同的權重。例如：如果兩個節點使用同一個收貨地址，那么在這兩個節點之間建立一條邊，并為該邊設置相同收貨地址對應的權重。

在實現本發明的過程中，發明人發現，目前，在構建關系網絡時，邊的建立強調業務規則，只有符合業務規則的兩個節點之間才能建立邊，這使得關系網絡較為稀疏。而且，由于相同類型的節點的特征空間相同，即節點之間的特征維度、特征含義等均相同，所以為了便于對關系網絡中的節點進行特征分析，大多采用相同類型的節點構建關系網絡，如：關系網絡中的節點都為用戶。但是，在實際應用場景中，關系網絡多為異構網絡，即網絡中的節點類型為多種。例如：在電商領域中，節點類型包括用戶、商品、商戶等。如果關系網絡中的節點類型僅為用戶，則關系網絡僅能反映用戶與用戶之間的關系，而無法反映用戶與商品之間的關系，也即是說，如果關系網絡中的節點類型僅為用戶，則僅能夠對節點類型為用戶的節點進行特征分析，無法對用戶以外的商品、商戶等節點類型的節點進行特征分析，從而無法準確分析用戶對商品的偏好以及商品的購買人群。

然而，在異構網絡中，雖然可以包括多種節點類型，但是不同節點類型的節點(異構節點)處于不同的特征空間，即異構節點之間的特征維度、特征含義等均不同，這導致對異構節點無法進行特征分析，依舊無法確定異構節點之間的關系。

發明內容

本發明的主要目的在于提供一種基于異構網絡的特征聚合方法、裝置、設備和存儲介質，以解決現有技術中，由于異構網絡中異構的特征向量處于不同的特征空間，導致無法對異構節點進行特征分析的問題。

為了解決上述技術問題，本發明實施例是通過以下技術方案來解決的：

本發明實施例提供了一種異構網絡的特征聚合方法，包括：對預先構建的異構網絡中的每個節點執行如下處理：采樣當前處理的節點的多個鄰居節點；針對所述每個節點，獲取所述節點的屬性信息和所述節點的每個所述鄰居節點的屬性信息；按照預設的基于節點類型的聚合方法，對所述節點的屬性信息和所述節點的每個所述鄰居節點的屬性信息執行聚合處理，得到處于預設特征空間的特征向量，將所述特征向量作為所述節點的特征向量。

其中，所述采樣當前處理的節點的多個鄰居節點，包括：利用預設的隨機游走算法，在所述異構網絡中，采樣當前處理的節點的多階鄰居節點；其中，在所述多階鄰居節點中，相同階的鄰居節點的節點類型相同，且不同階的鄰居節點的節點類型不同。