[發明專利]建立節點表示模型的方法、裝置、設備和計算機存儲介質

有效

• 申請號: 202011477926.1
• 申請日: 2020-12-15
• 公開（公告）號: CN112508115B
• 公開（公告）日: 2023-10-24
• 發明（設計）人: 李偉彬;朱志凡;馮仕堃;黃世維;何徑舟
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F18/214
• 分類號: G06F18/214;G06N3/0464;G06N3/08
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 田宏賓

1.一種建立節點表示模型的方法，包括：

獲取異構圖，所述異構圖中包含不同類型的節點、節點之間的邊以及各節點的屬性特征；

根據不同的元路徑對所述異構圖進行采樣，將采樣得到的對應于各元路徑的游走路徑作為訓練數據；

分別將所述異構圖中各節點的屬性特征進行拼接，將拼接結果作為各節點的初始化特征；

根據所述訓練數據與各節點的初始化特征對神經網絡模型進行訓練，得到節點表示模型。

2.根據權利要求1所述的方法，其中，所述根據不同的元路徑對所述異構圖進行采樣，將采樣得到的對應于各元路徑的游走路徑作為訓練數據包括：

針對每條元路徑，在所述異構圖中按照該元路徑指定的節點類型以及節點之間的連接關系，采樣得到對應該元路徑的游走路徑；

將對應各元路徑的游走路徑作為所述訓練數據。

3.根據權利要求1所述的方法，其中，所述分別將所述異構圖中各節點的屬性特征進行拼接，將拼接結果作為各節點的初始化特征包括：

獲取各節點的類型特征；

分別將各節點的屬性特征與各節點的類型特征進行拼接，將拼接結果作為各節點的初始化特征。

4.根據權利要求1所述的方法，其中，所述根據所述訓練數據與各節點的初始化特征對神經網絡模型進行訓練，得到節點表示模型包括：

將所述異構圖中的各節點分別作為目標節點；

針對各目標節點，將所述訓練數據中與該目標節點相鄰的節點的初始化特征作為該目標節點的正樣本，將不與目標節點相鄰的、且與目標節點具有相同類型的節點的初始化特征作為該目標節點的負樣本；

根據各目標節點的初始化特征、各目標節點的正樣本與負樣本來訓練神經網絡模型，直至神經網絡模型收斂，得到節點表示模型。

5.一種建立節點表示模型的裝置，包括：

獲取單元，用于獲取異構圖，所述異構圖中包含不同類型的節點、節點之間的邊以及各節點的屬性特征；

采樣單元，根據不同的元路徑對所述異構圖進行采樣，將采樣得到的對應于各元路徑的游走路徑作為訓練數據；

處理單元，用于分別將所述異構圖中各節點的屬性特征進行拼接，將拼接結果作為各節點的初始化特征；

訓練單元，用于根據所述訓練數據與各節點的初始化特征對神經網絡模型進行訓練，得到節點表示模型。

6.根據權利要求5所述的裝置，其中，所述采樣單元在根據不同的元路徑對所述異構圖進行采樣，將采樣得到的對應于各元路徑的游走路徑作為訓練數據時，具體執行：

針對每條元路徑，在所述異構圖中按照該元路徑指定的節點類型以及節點之間的連接關系，采樣得到對應該元路徑的游走路徑；

將對應各元路徑的游走路徑作為所述訓練數據。

7.根據權利要求5所述的裝置，其中，所述處理單元在分別將所述異構圖中各節點的屬性特征進行拼接，將拼接結果作為各節點的初始化特征時，具體執行：

獲取各節點的類型特征；

分別將各節點的屬性特征與各節點的類型特征進行拼接，將拼接結果作為各節點的初始化特征。

8.根據權利要求5所述的裝置，其中，所述訓練單元在根據所述訓練數據與各節點的初始化特征對神經網絡模型進行訓練，得到節點表示模型時，具體執行：

將所述異構圖中的各節點分別作為目標節點；

針對各目標節點，將所述訓練數據中與該目標節點相鄰的節點的初始化特征作為該目標節點的正樣本，將不與目標節點相鄰的、且與目標節點具有相同類型的節點的初始化特征作為該目標節點的負樣本；

根據各目標節點的初始化特征、各目標節點的正樣本與負樣本來訓練神經網絡模型，直至神經網絡模型收斂，得到節點表示模型。