[發明專利]圖數據結構中節點鄰接關系的特征獲取方法、裝置及介質

在審

• 申請號: 202111421510.2
• 申請日: 2021-11-26
• 公開（公告）號: CN114168799A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 趙亮
• 申請（專利權）人: 四川云從天府人工智能科技有限公司
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06F40/30;G06F40/284;G06F40/242
• 代理公司: 北京瀚仁知識產權代理事務所(普通合伙) 11482
• 代理人: 屠曉旭;宋寶庫

1.一種圖數據結構中節點鄰接關系的特征獲取方法，所述圖數據結構中的每個節點分別表示一個詞，節點之間的邊表示所述節點所表示的詞之間的語義關系，其特征在于，所述特征獲取方法包括：

根據所述圖數據結構獲取在分別以每個節點作為起始節點時每個節點各自對應的多條節點路徑；

采用詞向量字典獲取每條節點路徑中每個節點所表示的詞的詞向量，根據所述詞向量分別生成每條節點路徑中起始節點對應的節點鄰接關系的特征向量；

以所述圖數據結構中的每個節點以及相應的節點鄰接關系的特征向量作為訓練樣本，對語言模型進行模型訓練；

采用訓練好的語言模型獲取目標圖數據結構中目標節點的節點鄰接關系的特征向量。

2.根據權利要求1所述的圖數據結構中節點鄰接關系的特征獲取方法，其特征在于，“根據所述圖數據結構獲取在分別以每個節點作為起始節點時每個節點各自對應的多條節點路徑”的步驟具體包括：

步驟S1：將當前節點路徑的起始節點作為搜索節點；

步驟S2：獲取從搜索節點出發的所有一度節點并根據每個所述一度節點的度分別確定每個所述一度節點的權重；若所述圖數據結構是有向圖，則所述一度節點是出度為1的節點且所述一度節點的度是出度；若所述圖數據結構是無向圖，則所述一度節點是度為1的節點；

步驟S3：根據所述權重隨機選擇一個所述一度節點作為當前節點路徑的下一個節點；

步驟S4：判斷是否滿足路徑停止獲取條件；若是，則停止獲取當前節點路徑；若否，則將所述下一個節點作為搜索節點并轉至步驟S2。

3.根據權利要求2所述的圖數據結構中節點鄰接關系的特征獲取方法，其特征在于，“根據每個所述一度節點的度分別確定每個所述一度節點的權重”的步驟具體包括：

根據每個所述一度節點的度并按照下式所示的方法分別確定每個所述一度節點的權重：

其中，w_ij表示第j個搜索節點的第i個一度節點的權重，所述o_ij表示第j個搜索節點的第i個一度節點的度，所述N_j1表示第j個搜索節點的所有一度節點的度的集合，∑N_j1表示第j個搜索節點的所有一度節點的度的和；

并且/或者，

所述路徑停止獲取條件是所述下一個節點在所述圖數據結構中沒有除當前節點路徑中的節點以外的其他鄰居節點，或所述路徑停止獲取條件是當前節點路徑包含的節點數量達到預設的數量閾值。

4.根據權利要求1所述的圖數據結構中節點鄰接關系的特征獲取方法，其特征在于，在“采用訓練好的語言模型獲取目標圖數據結構中目標節點的節點鄰接關系的特征向量”的步驟之后，所述特征獲取方法還包括：

采用奇異值分解方法對所述目標節點的節點鄰接關系的特征向量進行特征向量分解，以獲取最終的節點鄰接關系的特征向量；

并且/或者，

所述語言模型是Word2vec模型。

5.一種圖數據結構中節點鄰接關系的特征獲取裝置，所述圖數據結構中的每個節點分別表示一個詞，節點之間的邊表示所述節點所表示的詞之間的語義關系，其特征在于，所述特征獲取裝置包括：

節點路徑獲取模塊，其被配置成根據所述圖數據結構獲取在分別以每個節點作為起始節點時每個節點各自對應的多條節點路徑；

第一特征向量獲取模塊，其被配置成采用詞向量字典獲取每條節點路徑中每個節點所表示的詞的詞向量，根據所述詞向量分別生成每條節點路徑中起始節點對應的節點鄰接關系的特征向量；

模型訓練模塊，其被配置成以所述圖數據結構中的每個節點以及相應的節點鄰接關系的特征向量作為訓練樣本，對語言模型進行模型訓練；

第二特征向量獲取模塊，其被配置成采用訓練好的語言模型獲取目標圖數據結構中目標節點的節點鄰接關系的特征向量。