[發明專利]基于GraphSAGE的不良嗜好行為檢測方法、裝置及電子設備

在審

• 申請號: 202011134335.4
• 申請日: 2020-10-21
• 公開（公告）號: CN112347316A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 陳雪清;孫濤
• 申請（專利權）人: 上海淇玥信息技術有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06F16/901;G06N3/04;G06N3/08
• 代理公司: 北京清誠知識產權代理有限公司 11691
• 代理人: 喬東峰

1.一種基于GraphSAGE的不良嗜好行為檢測方法，其特征在于，所述方法包括：

基于歷史用戶數據生成圖數據結構的節點信息，所述節點信息表示用戶的行為特征，所述行為特征包含用于表征用戶是否具有不良嗜好的指定標簽；

將不具有指定標簽的新用戶作為新節點加入圖數據結構中，采用GraphSAGE算法訓練GraphSAGE模型來預測該用戶的所述指定標簽的值；

根據該指定標簽的值來預測所述新用戶是否具有不良嗜好。

2.根據權利要求1所述的方法，其特征在于，所述采用GraphSAGE算法訓練GraphSAGE模型包括：

采樣每個搜索層中包含節點新鄰居節點的多個鄰居節點；

根據節點在第k-1層采樣的鄰居節點的embedding得到節點在第k層的embedding；

其中，k為所述搜索層的層數。

3.根據權利要求1-2中任一項所述的方法，其特征在于，所述采樣每個搜索層中包含節點新鄰居節點的多個鄰居節點包括：

查找每個搜索層中節點的新鄰居節點；

在每個搜索層中采樣多個鄰居節點；

其中，所述多個鄰居節點包含搜索層中所有的新鄰居節點。

4.根據權利要求1-3中任一項所述的方法，其特征在于，所述根據節點在第k-1層采樣的鄰居節點的embedding得到節點在第k層的embedding包括：

通過聚合函數聚合節點在k-1層的鄰居節點的embedding，得到節點在第k層的鄰居聚合特征；

將所述節點在第k層的鄰居聚合特征與節點在第k-1層鄰居節點的embedding拼接，并通過全連接層轉換，得到節點在第k層的embedding。

5.根據權利要求1-4中任一項所述的方法，其特征在于，所述聚合函數為LSTM，聚合時，將相鄰節點的向量集合根據預定順序輸入LSTM。

6.根據權利要求1-5中任一項所述的方法，其特征在于，所述采用GraphSAGE算法訓練GraphSAGE模型還包括：

通過梯度下降進行反向傳播，優化參數和聚合函數內參數。

7.根據權利要求1-6中任一項所述的方法，其特征在于，所述新鄰居節點是新增加的鄰居節點或者節點信息有更新的鄰居節點。

8.一種基于GraphSAGE的不良嗜好行為檢測裝置，其特征在于，所述裝置包括：

生成模塊，用于基于歷史用戶數據生成圖數據結構的節點信息，所述節點信息表示用戶的行為特征，所述行為特征包含用于表征用戶是否具有不良嗜好的指定標簽；

訓練模塊，用于將不具有指定標簽的新用戶作為新節點加入圖數據結構中，采用GraphSAGE算法訓練GraphSAGE模型來預測該用戶的所述指定標簽的值；

預測模塊，用于根據該指定標簽的值來預測所述新用戶是否具有不良嗜好。

9.一種電子設備，包括：

處理器；以及

存儲計算機可執行指令的存儲器，所述計算機可執行指令在被執行時使所述處理器執行根據權利要求1-7中任一項所述的方法。

10.一種計算機可讀存儲介質，其中，所述計算機可讀存儲介質存儲一個或多個程序，當所述一個或多個程序被處理器執行時，實現權利要求1-7中任一項所述的方法。