[發明專利]一種跨網絡的錨鏈接確定方法、裝置、設備及介質

在審

• 申請號: 202110761299.2
• 申請日: 2021-07-06
• 公開（公告）號: CN115577186A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 丁杰;吳越
• 申請（專利權）人: 北京字跳網絡技術有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06N3/0464;G06N3/08;G06Q50/00
• 代理公司: 北京開陽星知識產權代理有限公司 11710
• 代理人: 王艷斌

1.一種跨網絡的錨鏈接確定方法，其特征在于，包括：

將任一關系網絡中的多個對象節點逐一作為當前對象節點，通過預設的強化學習模型對該關系網絡中所述當前對象節點的連接關系進行學習，得到所述當前對象節點在該關系網絡中的最優網絡模體；其中，所述最優網絡模體是由所述當前對象節點和多個關聯節點組成的拓撲結構，且所述關聯節點是與所述當前對象節點具有連接關系的其它對象節點；

將各所述對象節點對應的所述最優網絡模體輸入至超圖卷積網絡，通過所述超圖卷積網絡生成各所述對象節點的對象向量；

確定任意兩個關系網絡的所述對象向量對應的對象節點之間的錨鏈接。

2.根據權利要求1所述的方法，其特征在于，所述通過預設的強化學習模型對該關系網絡中所述當前對象節點的連接關系進行學習，得到所述當前對象節點在該關系網絡中的最優網絡模體，包括：

將所述關系網絡中的當前對象節點作為初始網絡模體；其中，所述當前對象節點中攜帶對象的屬性信息；

基于所述初始網絡模體，并通過預設的強化學習模型對該關系網絡中所述當前對象節點的連接關系進行學習，獲取中間網絡模體和所述中間網絡模體的回報；

將回報最大的所述中間網絡模體確定為最優網絡模體。

3.根據權利要求2所述的方法，其特征在于，所述基于所述初始網絡模體，并通過預設的強化學習模型對該關系網絡中所述當前對象節點的連接關系進行學習，獲取中間網絡模體和所述中間網絡模體的回報，包括：

在通過強化學習模型對該關系網絡中當前對象節點的連接關系進行學習的過程中，基于所述初始網絡模體執行動作策略，生成所述動作策略對應的新拓撲結構；以及，

根據預設的評價指標確定所述新拓撲結構的中間態回報；其中，所述評價指標包括：所述新拓撲結構中對象節點的數量、所述初始網絡模體游走采樣的采樣長度和當前元路徑長度；

在通過所述強化學習模型對該關系網絡中當前對象節點的連接關系進行學習后，獲取中間網絡模體；以及，

基于所述中間網絡模體，確定任意兩個關系網絡的對象節點之間的錨鏈接，并將確定結果確定為終點態回報；

基于所述中間態回報和所述終點態回報確定所述中間網絡模體的回報。

4.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取多個第一關系網絡，并將各個所述第一關系網絡逐一作為當前關系網絡；

所述通過預設的強化學習模型對該關系網絡中所述當前對象節點的連接關系進行學習，包括：

通過預設的強化學習模型對所述當前關系網絡中的當前對象節點的連接關系進行學習。

5.根據權利要求4所述的方法，其特征在于，所述確定任意兩個關系網絡的所述對象向量對應的對象節點之間的錨鏈接，包括：

獲取分別與各個所述第一關系網絡的類型相同的第二關系網絡，所述第二關系網絡的數據規模大于相同類型的第一關系網絡的數據規模；

確定任意兩個第二關系網絡的所述對象向量對應的對象節點之間的錨鏈接。

6.根據權利要求1所述的方法，其特征在于，所述確定任意兩個關系網絡的所述對象向量對應的對象節點之間的錨鏈接，包括：

獲取任意兩個關系網絡的所述對象向量；

根據預先訓練好的投影函數將獲取的所述對象向量統一到相同的空間；

計算統一到相同空間后的兩個對象向量之間的距離；

確定距離低于預設值的兩個對象向量對應的對象節點之間存在錨鏈接。

7.根據權利要求1所述的方法，其特征在于，不同關系網絡中的最優網絡模體相同或不同。

8.根據權利要求1所述的方法，其特征在于，所述關系網絡包括：社交網絡。