[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

本發明涉及圖數據結構技術領域，具體提供一種圖數據結構中節點鄰接關系的特征獲取方法、裝置及介質，旨在解決如何獲取圖數據結構中節點鄰接關系的深層特征的問題。為此目的，本發明的方法包括根據圖數據結構獲取在以每個節點作為起始節點時每個節點的多條節點路徑；采用詞向量字典并根據節點路徑中每個節點所表示的詞，生成節點路徑中起始節點的節點鄰接關系的特征向量；采用每個節點與特征向量對語言模型進行訓練；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，該特征向量能夠表示多級別節點之間的鄰接關系特征，即節點鄰接關系的深層特征，克服了現有技術中只能獲取圖數據結構中節點鄰接關系的淺層特征的缺陷。

技術領域

本發明涉及圖數據結構技術領域，具體提供一種圖數據結構中節點鄰接關系的特征獲取方法、裝置及介質。

背景技術

圖數據結構(Graph)是由節點(Vertice)的有窮非空集合和節點之間邊(Edge)的集合組成，通常表示為G(V，E)，G表示一個圖，V是圖G中節點的集合，E是圖G中邊的集合。目前圖數據結構廣泛應用于社交網絡、網絡購物、金融交易、蛋白質和化學分子結構、模式識別、超大規模集成電路設計等應用場景。例如，在網絡購物的應用場景中圖數據結構可以是由節點(個人、商品)和邊(購買、收藏)構成的圖，在金融交易的應用場景中數據結構可以是由節點(個人、企業)和邊(資金轉、資金轉出)構成的圖。圖數據結構中不同節點的鄰接關系的特征對增強節點自身的特征表達有重要作用，因為相鄰節點在相關數據分析上相比于距離較遠的節點有更大的概率相同或者相似。

目前常規的獲取圖數據結構中節點鄰接關系的特征的方法主要包括節點級別的獲取方法和圖級別的獲取方法。節點級別的獲取方法主要是分別為每個節點創建單獨的特征，采用迭代方法使用這些特征獲取當前節點領域的特征信息；圖級別的獲取方法主要是通過構建鄰接矩陣并使用鄰接矩陣獲取節點鄰接關系的特征。由于這兩種獲取方法都只能獲取圖數據結構中節點鄰接關系的淺層特征，無法獲取圖數據結構中多級節點的鄰接關系特征，因此，在使用這兩種獲取方法得到的節點鄰接關系的特征進行數據分析時會極大地影響數據分析的準確性。

相應地，本領域需要一種新的圖數據結構中節點鄰接關系的特征獲取方案來解決上述問題。

發明內容

為了克服上述缺陷，提出了本發明，以提供解決或至少部分地解決如何獲取圖數據結構中節點鄰接關系的深層特征(多級節點的鄰接關系特征)，以提高在使用節點鄰接關系的特征進行數據分析時的分析準確性的技術問題的圖數據結構中節點鄰接關系的特征獲取方法、裝置及介質。

在第一方面，本發明提供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，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。

在上述圖數據結構中節點鄰接關系的特征獲取方法的一個技術方案中，“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；