[發明專利]用于預測競爭和合作關系的圖模型處理方法、裝置

在審

• 申請號: 202011089208.7
• 申請日: 2020-10-13
• 公開（公告）號: CN114358452A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 陳墾
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 毛丹

1.一種用于預測競爭和合作關系的圖模型處理方法，其特征在于，所述方法包括：

獲取基于物流數據的供應鏈圖網絡；所述供應鏈圖網絡中的每個節點代表公司的收寄件賬號，供應鏈圖網絡中的邊代表公司之間的收寄件關系，每個節點的屬性信息包括公司所屬行業信息和公司經營范圍數據；

獲取所述供應鏈圖網絡每個節點的結構編碼信息和屬性編碼信息；

對各所述節點的結構編碼信息和所述屬性編碼信息進行向量化處理，得到所述供應鏈圖網絡中每個節點的嵌入向量矩陣；

確定圖模型中三角結構網絡的第一損失函數和橋梁結構網絡的第二損失函數，得到目標損失函數；所述橋梁結構網絡用于預測供應鏈圖網絡中邊的兩端的節點有共同第三方節點的結構的邊的符號；所述三角結構網絡用于預測供應鏈圖網絡中邊的兩端的節點有共同節點的邊的符號；

以所述目標損失函數為約束，根據各所述節點的嵌入向量矩陣訓練用于預測物流供應鏈中競爭和合作關系的圖模型，得到訓練好的目標圖模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取所述供應鏈圖網絡中每個節點的結構編碼信息和供應鏈圖網絡屬性編碼信息，包括：

根據各節點之間的收寄件關系確定所述供應鏈圖網絡中節點之間的相似度信息，對所述相似度信息進行編碼，得到所述供應鏈圖網絡的結構編碼信息；

基于注意力機制和卷積神經網絡對每個節點的屬性信息進行編碼，得到所述供應鏈圖網絡的屬性編碼信息。

3.根據權利要求2所述的方法，其特征在于，所述根據各節點之間的收寄件關系確定所述供應鏈圖網絡中節點之間的相似度信息，對所述相似度信息進行編碼，得到所述供應鏈圖網絡的結構編碼信息，包括：

根據各節點之間的收寄件關系確定所述供應鏈圖網絡中節點之間的一階相似度信息和二階相似度信息；

對所述一階相似度信息和二階相似度信息進行編碼，得到所述供應鏈圖網絡的結構編碼信息。

4.根據權利要求2所述的方法，其特征在于，所述基于注意力機制和卷積神經網絡對每個節點的屬性信息進行編碼，得到所述供應鏈圖網絡的屬性編碼信息，包括：

基于卷積神經網絡對每個節點的屬性信息中的行業信息和公司經營范圍數據進行編碼；以及

基于注意力機制對攜帶不同屬性信息的節點的交互信息進行編碼，得到所述供應鏈圖網絡的屬性編碼信息。

5.根據權利要求1所述的方法，其特征在于，所述確定圖模型中三角結構網絡的第一損失函數和橋梁結構網絡的第二損失函數，得到目標損失函數，包括：

基于深度神經網絡學習，將確定的最大似然損失函數作為圖模型中三角結構網絡第一損失函數；

根據優化結構平衡理論數據和每個節點的嵌入向量矩陣確定圖模型中橋梁結構網絡的第二損失函數；

根據所述第一損失函數和所述第二損失函數得到所述圖模型的目標損失函數。

6.根據權利要求1所述的方法，其特征在于，所述以所述目標損失函數為約束，根據各所述節點的嵌入向量矩陣訓練用于預測物流供應鏈中競爭和合作關系的圖模型，得到訓練好的目標圖模型，包括：

以所述目標損失函數為約束，將所述各所述節點的嵌入向量矩陣輸入至用于預測物流供應鏈中競爭和合作關系的圖模型中進行迭代訓練，直到所述目標損失函數得到最優解時結束訓練，得到訓練好的目標圖模型。

7.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取待預測節點的屬性信息和收寄件關系；所述待預測節點表征待預測收寄賬號；

將所述屬性信息和收寄件關系輸入至所述目標圖模型中，輸出表征合作與競爭關系的符號；

根據所述符號確定所述待預測收寄賬號之間的關系。