[發明專利]一種基于異構圖神經網絡模型進行預測的方法和系統

在審

• 申請號: 202010162355.6
• 申請日: 2020-03-10
• 公開（公告）號: CN111400560A
• 公開（公告）日: 2020-07-10
• 發明（設計）人: 胡斌斌;張志強;周俊;楊雙紅
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06F16/906;G06F40/295;G06Q40/02;G06N3/04
• 代理公司: 成都七星天知識產權代理有限公司 51253
• 代理人: 楊永梅

本說明書一個或多個實施例公開了一種基于異構圖神經網絡模型進行預測的方法和系統，所述方法包括：獲取與預測內容相關的異構圖數據，所述異構圖數據包括待預測節點、所述待預測節點的鄰居節點、以及連接所述待預測節點與所述鄰居節點之間的路徑，所述路徑包括至少一種類型；基于所述路徑的類型，對所述鄰居節點進行分組，以使得同一組的所述鄰居節點的路徑的類型相同；將所述待預測節點、分組后的所述鄰居節點以及節點之間的路徑輸入訓練好的異構圖神經網絡模型，得到待預測節點的表示向量后輸入訓練好的預測模型進行預測。

技術領域

本說明書一個或多個實施例涉及數據處理領域，特別涉及一種基于異構圖神經網絡模型進行預測的方法和系統。

背景技術

異構圖，又稱作異質信息網絡，是一種特殊的圖結構，其通常包含不同類型的節點以及不同類型的路徑，可以用于表示一些復雜的社交網絡關系數據。異構圖中的節點可以用于表示實體對象例如個人用戶，通常可以將包含實體對象數據的異構圖輸入圖神經網絡來對異構圖中的節點進行預測，例如對用戶進行預測預測以判斷其類別、風險等級或者偏好習慣。而異構圖由于其節點類型以及路徑類型的不同，體現出較高的復雜性，因此，如何基于異構圖對其中的實體對象數據進行預測至關重要。

基于此，本說明書提出一種基于異構圖神經網絡模型進行預測的方法和系統。

發明內容

本說明書實施例之一提供一種通過實體對象數據判斷實體對象類別的方法。所述通過實體對象數據判斷實體對象類別的方法包括：獲取與預測內容相關的異構圖數據，所述異構圖數據包括待預測節點、所述待預測節點的鄰居節點、以及連接所述待預測節點與所述鄰居節點之間的路徑，所述路徑包括至少一種類型；基于所述路徑的類型，對所述鄰居節點進行分組，以使得同一組的所述鄰居節點的路徑的類型相同；將所述待預測節點、分組后的所述鄰居節點以及節點之間的路徑輸入訓練好的異構圖神經網絡模型，得到待預測節點的表示向量后輸入訓練好的預測模型進行預測。

本說明書實施例之一提供一種基于異構圖神經網絡模型進行預測的系統。所述通過實體對象數據判斷實體對象類別的系統包括：異構圖獲取模塊，用于獲取與預測內容相關的異構圖數據，所述異構圖數據包括待預測節點、所述待預測節點的鄰居節點、以及連接所述待預測節點與所述鄰居節點之間的路徑，所述路徑包括至少一種類型；分組模塊，用于基于所述路徑的類型，對所述鄰居節點進行分組，以使得同一組的所述鄰居節點的路徑的類型相同；節點預測模塊，用于將所述待預測節點、分組后的所述鄰居節點以及節點之間的路徑輸入訓練好的異構圖神經網絡模型，得到待預測節點。

本說明書實施例之一提供一種基于異構圖神經網絡模型進行預測的裝置，包括處理器，所述處理器用于執行通過實體對象數據判斷實體對象類別的方法。

本說明書實施例之一提供一種計算機可讀存儲介質，所述存儲介質存儲計算機指令，當計算機讀取存儲介質中的計算機指令后，計算機執行基于異構圖神經網絡模型進行預測的方法。

附圖說明

本說明書將以示例性實施例的方式進一步說明，這些示例性實施例將通過附圖進行詳細描述。這些實施例并非限制性的，在這些實施例中，相同的編號表示相同的結構，其中：

圖1是根據本說明書一些實施例所示的一種基于異構圖神經網絡模型進行預測的場景應用示意圖；

圖2是根據本說明書一些實施例所示的一種基于異構圖神經網絡模型進行預測的系統的模塊圖；

圖3是根據本說明書一些實施例所示的基于異構圖神經網絡模型進行預測的方法的示例性流程圖；

圖4是根據本說明書一些實施例所示的基于異構圖神經網絡模型進行預測方法的示例性子流程圖；

圖5是根據本說明書一些實施例所示的基于異構圖神經網絡模型進行預測方法的示例性子流程圖；以及