网络节点重要性评分模型训练、重要性检测方法及装置制造方法及图纸

本申请提供了一种网络节点重要性评分模型训练、重要性检测方法及装置，包括：获取至少一个样本网络节点的第一属性信息以及每一个样本网络节点的重要性评分；基于各个所述样本网络节点的第一属性信息，确定每一个样本网络节点的属性特征向量；将所述样本网络节点的属性特征向量输入至评分模型中，得到该样本网络节点的预测评分；基于各个样本网络节点的预测评分以及所述重要性评分，对所述评分模型进行训练，得到所述网络节点重要性评分模型。通过这种方法，可以提高网络节点重要性预测的准确率。

Training of network node importance scoring model, importance detection method and device

【技术实现步骤摘要】
网络节点重要性评分模型训练、重要性检测方法及装置
本申请涉及互联网
，尤其是涉及一种网络节点重要性评分模型训练、重要性检测方法及装置。
技术介绍
随着信息技术的迅猛发展，人类的社会活动日趋网络化，人们生活开始被各种网络包围，如社交网络、通信网络、交通网络等。网络由网络中的节点互联构成，网络中各个节点的利用率不同，这就导致不同节点在同一网络中的重要性不同，对于重要性较高的节点，需要提高利用率来提高网络的利用率。现有技术中主要通过基于随机游走的节点重要性排序方法、以及基于网络局部属性的节点重要性排序方法来确定网络中各个节点的重要性。当前的节点重要性排序方法都存在排序精度差的问题。
技术实现思路
有鉴于此，本申请的目的在于提供一种网络节点重要性评分模型训练、重要性检测方法及装置，以提高网络节点重要性预测的准确率。第一方面，本申请实施例提供了一种网络节点重要性评分模型训练方法，包括：获取至少一个样本网络节点的第一属性信息以及每一个样本网络节点的重要性评分，所述第一属性信息用于表征所述样本网络节点在业务网络中与其他样本网络节点之间的关联关系、关联关系类型、以及所述样本网络节点的自身属性，所述重要性评分用于表征所述样本网络节点在所述业务网络中的重要性；基于各个所述样本网络节点的第一属性信息，确定每一个样本网络节点的属性特征向量；将所述样本网络节点的属性特征向量输入至评分模型中，得到该样本网络节点的预测评分；基于各个样本网络节点的预测评分以及所述重要性评分，对所述评分模型进行训练，得到所述网络节点重要性评分模型。一种可能的实施方式中，所述基于各个所述样本网络节点的第一属性信息，确定每一个样本网络节点的属性特征向量，包括：基于各个所述样本网络节点的第一属性信息，确定各个所述样本网络节点的第一属性值；针对当前样本网络节点，基于所述当前样本网络节点的第一属性信息，确定与所述当前样本网络节点具有关联关系的其他样本网络节点；基于与所述当前样本网络节点具有关联关系的其他样本网络节点的第一属性值，确定所述当前样本网络节点的属性特征向量。一种可能的实施方式中，所述关联关系类型为多种；每一种类型的关联关系包括第一关联关系和第二关联关系两种指向关系；所述第一关联关系为从所述样本网络节点到属于同一业务网络中的其他样本网络节点的指向关系，所述第二关联关系为从所述其他样本网络节点至所述样本网络节点的指向关系。一种可能的实施方式中，所述基于与所述当前样本网络节点具有关联关系的其他样本网络节点的第一属性值，确定所述当前样本网络节点的属性特征向量，包括：针对每一种关联关系执行以下操作，确定第一特征向量、以及第二特征向量：基于与所述当前样本网络节点具有第一关联关系的其他样本网络节点的第一属性值，确定当前样本网络节点的第一特征值；以及，基于与所述当前样本网络节点具有第二关联关系的其他样本网络节点的个数，确定当前样本网络节点的第二特征值；基于每一种关联关系的所述第一特征值、以及所述第二特征值、以及所述当前样本网络节点的第一属性值，确定所述当前样本网络节点的属性特征向量。一种可能的实施方式中，针对每一种关联关系，所述基于与所述当前样本网络节点具有第一关联关系的其他样本网络节点的第一属性值，确定当前样本网络节点的第一特征值，包括：将与所述当前样本网络节点具有第一关联关系的其他样本网络节点的第一属性值进行求和运算，并将求和结果作为所述第一特征值。一种可能的实施方式中，针对每一种关联关系，所述基于与所述当前样本网络节点具有第二关联关系的其他样本网络节点的个数，确定当前样本网络节点的第二特征值，包括：将与所述当前样本网络节点具有第二关联关系的其他样本网络节点的个数与所述当前样本网络节点的第一属性值相乘，并将乘积作为所述当前样本网络节点的第二特征值。一种可能的实施方式中，所述基于每一种关联关系的所述第一特征值、以及所述第二特征值、以及所述当前样本网络节点的第一属性值，确定所述当前样本网络节点的属性特征向量，包括：将所有关联关系的第一特征值、第二特征值、以及所述当前样本网络节点的第一属性值确定为所述当前样本网络节点的属性特征向量中的元素。一种可能的实施方式中，所述评分模型包括至少一个评分子模型；所述将所述样本网络节点的属性特征向量输入至评分模型中，得到所述样本网络节点的预测评分，包括：将所述样本网络节点的属性特征向量分别输入到每一个评分子模型中，得到每一个评分子模型对所述样本网络节点的第一预测评分；将所述第一预测评分进行加权求和，得到所述样本网络节点的预测评分。第二方面，本申请实施例提供了一种重要性检测方法，包括：获取待检测节点的第一属性信息；所述第一属性信息用于表征所述待检测节点与业务网络中其他节点之间的关联关系、关联关系类型、以及所述待检测节点的自身属性；基于所述待检测节点的第一属性信息，确定所述待检测节点的属性特征向量；将所述待检测节点的属性特征向量输入至网络节点重要性评分模型中，得到所述待检测节点的重要性评分；基于所述待检测节点的重要性评分确定所述待检测节点的重要性。第三方面，本申请实施例提供了一种网络节点重要性评分模型训练装置，包括：获取模块，用于获取至少一个样本网络节点的第一属性信息以及每一个样本网络节点的重要性评分，所述第一属性信息用于表征所述样本网络节点在业务网络中与其他样本网络节点之间的关联关系类型、以及所述样本网络节点的自身属性，所述重要性评分用于表征所述样本网络节点在所述业务网络中的重要性；确定模块，用于基于各个所述样本网络节点的第一属性信息，确定每一个样本网络节点的属性特征向量；预测模块，用于将所述样本网络节点的属性特征向量输入至评分模型中，得到该样本网络节点的预测评分；训练模块，用于基于各个样本网络节点的预测评分以及所述重要性评分，对所述评分模型进行训练，得到所述网络节点重要性评分模型。一种可能的实施方式中，所述确定模块，在基于各个所述样本网络节点的第一属性信息，确定每一个样本网络节点的属性特征向量时，具体用于：基于各个所述样本网络节点的第一属性信息，确定各个所述样本网络节点的第一属性值；针对当前样本网络节点，基于所述当前样本网络节点的第一属性信息，确定与所述当前样本网络节点具有关联关系的其他样本网络节点；基于与所述当前样本网络节点具有关联关系的其他样本网络节点的第一属性值，确定所述当前样本网络节点的属性特征向量。一种可能的实施方式中，所述关联关系类型为多种；每一种类型的关联关系包括第一关联关系和第二关联关系两种指向关系；所述第一关联关系为从所述样本网络节点到属于同一业务网络中的其他样本网络节点的指向关系，所述第二关联关系为从所述其他样本网络节点至所述样本网络节点的指向关系。一种可能的实施方式中，所述确定模块本文档来自技高网...

【技术保护点】
1.一种网络节点重要性评分模型训练方法，其特征在于，包括：/n获取至少一个样本网络节点的第一属性信息以及每一个样本网络节点的重要性评分，所述第一属性信息用于表征所述样本网络节点在业务网络中与其他样本网络节点之间的关联关系、关联关系类型、以及所述样本网络节点的自身属性，所述重要性评分用于表征所述样本网络节点在所述业务网络中的重要性；/n基于各个所述样本网络节点的第一属性信息，确定每一个样本网络节点的属性特征向量；/n将所述样本网络节点的属性特征向量输入至评分模型中，得到该样本网络节点的预测评分；/n基于各个样本网络节点的预测评分以及所述重要性评分，对所述评分模型进行训练，得到所述网络节点重要性评分模型。/n

【技术特征摘要】
1.一种网络节点重要性评分模型训练方法，其特征在于，包括：
获取至少一个样本网络节点的第一属性信息以及每一个样本网络节点的重要性评分，所述第一属性信息用于表征所述样本网络节点在业务网络中与其他样本网络节点之间的关联关系、关联关系类型、以及所述样本网络节点的自身属性，所述重要性评分用于表征所述样本网络节点在所述业务网络中的重要性；
基于各个所述样本网络节点的第一属性信息，确定每一个样本网络节点的属性特征向量；
将所述样本网络节点的属性特征向量输入至评分模型中，得到该样本网络节点的预测评分；
基于各个样本网络节点的预测评分以及所述重要性评分，对所述评分模型进行训练，得到所述网络节点重要性评分模型。


2.根据权利要求1所述的方法，其特征在于，所述基于各个所述样本网络节点的第一属性信息，确定每一个样本网络节点的属性特征向量，包括：
基于各个所述样本网络节点的第一属性信息，确定各个所述样本网络节点的第一属性值；
针对当前样本网络节点，基于所述当前样本网络节点的第一属性信息，确定与所述当前样本网络节点具有关联关系的其他样本网络节点；
基于与所述当前样本网络节点具有关联关系的其他样本网络节点的第一属性值，确定所述当前样本网络节点的属性特征向量。


3.根据权利要求2所述的方法，其特征在于，所述关联关系类型为多种；
每一种类型的关联关系包括第一关联关系和第二关联关系两种指向关系；所述第一关联关系为从所述样本网络节点到属于同一业务网络中的其他样本网络节点的指向关系，所述第二关联关系为从所述其他样本网络节点至所述样本网络节点的指向关系。


4.根据权利要求3所述的方法，其特征在于，所述基于与所述当前样本网络节点具有关联关系的其他样本网络节点的第一属性值，确定所述当前样本网络节点的属性特征向量，包括：
针对每一种关联关系执行以下操作，确定第一特征向量、以及第二特征向量：
基于与所述当前样本网络节点具有第一关联关系的其他样本网络节点的第一属性值，确定当前样本网络节点的第一特征值；以及，
基于与所述当前样本网络节点具有第二关联关系的其他样本网络节点的个数，确定当前样本网络节点的第二特征值；
基于每一种关联关系的所述第一特征值、以及所述第二特征值、以及所述当前样本网络节点的第一属性值，确定所述当前样本网络节点的属性特征向量。


5.根据权利要求4所述的方法，其特征在于，针对每一种关联关系，所述基于与所述当前样本网络节点具有第一关联关系的其他样本网络节点的第一属性值，确定当前样本网络节点的第一特征值，包括：
将与所述当前样本网络节点具有第一关联关系的其他样本网络节点的第一属性值进行求和运算，并将求和结果作为所述第一特征值。


6.根据权利要求4所述的方法，其特征在于，针对每一种关联关系，所述基于与所述当前样本网络节点具有第二关联关系的其他样本网络节点的个数，确定当前样本网络节点的第二特征值，包括：
将与所述当前样本网络节点具有第二关联关系的其他样本网络节点的个数与所述当前样本网络节点的第一属性值相乘，并将乘积作为所述当前样本网络节点的第二特征值。


7.根据权利要求4所述的方法，其特征在于，所述基于每一种关联关系的所述第一特征值、以及所述第二特征值、以及所述...

【专利技术属性】
技术研发人员：罗华刚，张杰，袁杰，梁秀钦，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：北京;11