[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

本申請公開了一種建立節點表示模型的方法、裝置，涉及深度學習技術領域。本申請在建立節點表示模型時所采用的方案為：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。本申請能夠提升訓練得到的節點表示模型在生成節點表示時的準確性。

技術領域

本申請涉及計算機技術領域，尤其涉及深度學習技術領域中的一種建立節點表示模型的方法、裝置、電子設備和可讀存儲介質。

背景技術

目前，圖網絡表示可以用于多種下游任務，包括節點分類、鏈路預測、社區檢測等。現實世界中，存在大量的異構圖，異構圖中包含多種節點類型和邊的類型。為了學習出不同類型節點的語義信息，現有技術通常采用的方法為：通過所定義的元路徑采樣得到不同的游走路徑，通過word2vec等訓練方法對游走路徑進行訓練，最終得到異構圖中節點的表示結果。但是現有技術中的節點表示學習方法，僅使用了元路徑來學習節點與節點之間的結構關系，而忽略了節點本身的特征信息，導致訓練得到的節點表示模型所生成的節點表示不夠準確。

發明內容

本申請為解決技術問題所采用的技術方案是提供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。

本申請為解決技術問題所采用的技術方案是提供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。

一種電子設備，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被所述至少一個處理器執行，以使所述至少一個處理器能夠執行上述方法。

一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行上述方法。

一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現上述方法。

上述申請中的一個實施例具有如下優點或有益效果：本申請能夠提升節點表示模型在生成節點表示時的準確性。因為采用了在異構圖中引入節點本身的屬性特征的技術手段，所以克服了現有技術中僅使用游走路徑訓練得到的節點表示模型無法準確生成節點表示的技術問題，實現了訓練所得到的節點表示模型能夠生成更為準確的節點表示的技術效果。

上述可選方式所具有的其他效果將在下文中結合具體實施例加以說明。

附圖說明

附圖用于更好地理解本方案，不構成對本申請的限定。其中：

圖1是根據本申請第一實施例的示意圖；

圖2是根據本申請第二實施例的示意圖；

圖3是根據本申請第三實施例的示意圖；

圖4是用來實現本申請實施例的建立節點表示模型的方法的電子設備的框圖。

具體實施方式