[發明專利]經由光卷積進行的動態圖節點嵌入

在審

• 申請號: 202180062269.0
• 申請日: 2021-09-17
• 公開（公告）號: CN116615736A
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 孫嘉銳;M·顧;王俊朋;武延宏;王亮;張維
• 申請（專利權）人: 維薩國際服務協會
• 主分類號: G06N5/02
• 分類號: G06N5/02;G06N3/0464;G06N3/044;G06N3/042;G06F16/901
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 陳穎;周全

1.一種方法，包括：

由分析計算機使用圖結構學習模塊從多個圖快照中提取多個第一數據集；

由所述分析計算機跨越所述多個第一數據集使用時間卷積模塊從所述多個第一數據集中提取多個第二數據集；

由所述分析計算機基于所述多個第二數據集來執行圖上下文預測；以及

由所述分析計算機基于所述圖上下文預測來執行動作。

2.根據權利要求1所述的方法，其中所述多個圖快照中的每個圖快照包括表示實體的多個節點和表示所述實體之間的交互的多個邊緣，所述多個節點中的每個節點通過所述多個邊緣中的一個或多個邊緣連接到所述多個節點中的相鄰節點。

3.根據權利要求2所述的方法，其中所述多個第一數據集包括所述多個圖快照中的每個快照的每個節點的中間向量表示，所述中間向量表示各自包括對應于多個特征維度的第一多個特征值。

4.根據權利要求3所述的方法，其中所述多個第二數據集包括所述多個圖快照中的每個圖快照的每個節點的最終向量表示，所述最終向量表示各自包括對應于所述多個特征維度的第二多個特征值，其中所述中間向量表示和所述最終向量表示是表示所述多個節點的特性的向量空間中的每個節點的嵌入。

5.根據權利要求4所述的方法，其中提取所述多個第二數據集還包括：

確定多個卷積內核，所述多個卷積內核中的每一個對應于所述多個特征維度中的至少一個特征維度；以及

使用所述多個卷積內核對所述中間向量表示中的每一個執行時間卷積以產生所述最終向量表示。

6.根據權利要求5所述的方法，其中所述多個圖快照中的每個圖快照包括與時間戳相關聯的圖數據。

7.根據權利要求6所述的方法，其中所述多個節點中的每一個被單獨地進行時間卷積，并且每個節點的每個特征維度被單獨地進行時間卷積。

8.根據權利要求7所述的方法，其中執行時間卷積包括：針對每個節點的每個特征維度，將來自所述多個卷積內核的對應卷積內核應用于所述特征維度的第一特征值的子集，所述第一特征值的子集對應于連續時間戳的子集。

9.根據權利要求8所述的方法，其中應用所述對應卷積內核提供結果，并且所述結果用作所述連續時間戳的子集中最后一個時間戳處的所述特征維度的第二特征值。

10.根據權利要求8所述的方法，其中每個卷積內核具有預定義長度，并且其中所述第一特征值的子集中的第一特征值的數目等于所述卷積內核的所述預定義長度。

11.根據權利要求1所述的方法，其中所述時間卷積模塊利用深度卷積或輕量級卷積。

12.根據權利要求3所述的方法，其中提取所述多個第一數據集還包括：

針對所述多個圖快照中的每個圖快照，基于習得的系數和對應于相鄰節點的中間向量表示來確定每個節點的中間向量表示。

13.一種分析計算機，包括：

處理器；以及

計算機可讀介質，其耦合到所述處理器，所述計算機可讀介質包括能由所述處理器執行以用于實施方法的代碼，所述方法包括：

使用圖結構學習模塊從多個圖快照中提取多個第一數據集；

跨越所述多個第一數據集使用時間卷積模塊從所述多個第一數據集中提取多個第二數據集；

基于所述多個第二數據集來執行圖上下文預測；和

基于所述圖上下文預測來執行動作。

14.根據權利要求13所述的分析計算機，還包括：

耦合到所述處理器的所述圖結構學習模塊；以及

耦合到所述處理器的所述時間卷積模塊。