一种基于标签传播算法的图谱数据处理方法及装置制造方法及图纸

本公开实施例公开了一种基于标签传播算法的图谱数据处理方法及装置，涉及知识图谱数据处理领域；其中，该方法包括：获取图谱中各个节点的表现值和所有预设类型的边；将每条预设类型的边的两个节点的表现值进行运算，并计算运算结果的平均值获得每条预设类型的边的初始权重值；对所述初始权重值做归一化处理，获得每条预设类型的边的最终权重值；根据所述最终权重值计算各个节点的传播概率，完成标签传播，更新所述图谱。

A method and device of map data processing based on label propagation algorithm

【技术实现步骤摘要】
一种基于标签传播算法的图谱数据处理方法及装置
本公开涉及知识图谱数据处理领域，具体涉及一种基于标签传播算法的图谱数据处理方法及装置。
技术介绍
在目前的基于知识图谱的发现欺诈团伙系统中，欺诈团伙的识别可以通过不同类型的算法实现，但其核心的本质均是通过社交关系来判断一个人是否是诈骗罪犯的概率。在各种方法中，基于标签传播算法的法案欺诈团伙技术是一个正在兴起的研究和产业化热点。在标签传播算法中，不同的节点(通常是人员)将与一组属性相关联，例如一个简单的属性为该节点诚信和欺诈的概率值。进一步，节点之间的不同连接类型将包含一个权重值，有表现值的节点的属性值在算法中通过权重值的计算向未知节点传播，进而实现标签在整个社交网络中的传播。然而，在当前的算法实现中，节点之间的权重的设置是一个重要的问题，这决定了从有表现值的节点向未知节点传播时的效果，更高的权重意味着表现值节点可以通过该边(连接)贡献更多的表现值，更低的权重意味着相反的效果。然而，在具体实践中，权重值的设置往往是比较随意，一般根据人的经验设置不同类型的边的权重。这种任意设置的权重值往往不能很好的反映社交关系中的信息，继而随着人主观的波动给整个发现欺诈团伙系统带来性能的不可靠，会产生一定的误判。
技术实现思路
针对现有技术中的上述技术问题，本公开实施例提出了一种基于标签传播算法的图谱数据处理方法及装置，以解决现有技术中人工任意设置权重值，不能很好的反映社交关系中的信息，继而随着人主观的波动给整个发现欺诈团伙系统带来性能的不可靠，会产生一定的误判的问题。<br>本公开实施例的第一方面提供了一种基于标签传播算法的图谱数据处理方法，包括：获取图谱中各个节点的表现值和所有预设类型的边；将每条预设类型的边的两个节点的表现值进行运算，并计算运算结果的平均值获得每条预设类型的边的初始权重值；对所述初始权重值做归一化处理，获得每条预设类型的边的最终权重值；根据所述最终权重值计算各个节点的传播概率，完成标签传播，更新所述图谱。在一些实施例中，所述将每条预设类型的边的两个节点的表现值进行运算，具体包括：将每条预设类型的边的两个节点表现值进行同或运算，并将每条边的同或运算结果进行相加得到运算结果。在一些实施例中，所述计算运算结果的平均值获得每条预设类型的边的初始权重值，具体包括：将所述运算结果与预设类型的边的总数量做除法运算获得每条预设类型的边的初始权重值。在一些实施例中，所述对所述初始权重值做归一化处理，具体包括：根据所述图谱中边的类型的重要程度确定归一化系数，根据所述归一化系数对所述初始权重值做归一化处理，获得每条预设类型的边的最终权重值。在一些实施例中，所述方法还包括：通过对所述各个节点的表现值进行训练，得到所述归一化系数。在一些实施例中，所述完成标签传播包括：根据所述最终权重值构建关系矩阵，将现有的表现值通过所述关系矩阵向其他节点传播直至算法收敛。本公开实施例的第二方面提供了一种基于标签传播算法的图谱数据处理装置，包括：获取模块，用于获取图谱中各个节点的表现值和所有预设类型的边；初始权重值计算模块，用于将每条预设类型的边的两个节点的表现值进行运算，并计算运算结果的平均值获得每条预设类型的边的初始权重值；最终权重值计算模块，用于对所述初始权重值做归一化处理，获得每条预设类型的边的最终权重值；标签传播模块，用于根据所述最终权重值计算各个节点的传播概率，完成标签传播，更新所述图谱。在一些实施例中，所述初始权重值计算模块具体用于将每条预设类型的边的两个节点表现值进行同或运算，并将每条边的同或运算结果进行相加得到运算结果。在一些实施例中，所述初始权重值计算模块具体用于将所述运算结果与预设类型的边的总数量做除法运算获得每条预设类型的边的初始权重值。在一些实施例中，所述最终权重值计算模块具体用于：根据所述图谱中边的类型的重要程度确定归一化系数，根据所述归一化系数对所述初始权重值做归一化处理。本公开实施例的第三方面提供了一种电子设备，包括：存储器以及一个或多个处理器；其中，所述存储器与所述一个或多个处理器通信连接，所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行时，所述电子设备用于实现如前述各实施例所述的方法。本公开实施例的第四方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可用来实现如前述各实施例所述的方法。本公开实施例的第五方面提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，可用来实现如前述各实施例所述的方法。本公开实施例中，通过获取每条预设类型的边的两个节点的表现值进行运算，计算运算结果的平均值获得每条预设类型的边的初始权重值后，对初始权重值做归一化处理，获得每条预设类型的边的最终权重值；通过科学的计算即可得到较优的权重值，无需人工随意设置，避免人的主观因素带来的干扰，为更准确的发现欺诈团伙节省了时间和精力。附图说明通过参考附图会更加清楚的理解本公开的特征和优点，附图是示意性的而不应理解为对本公开进行任何限制，在附图中：图1是根据本公开的一些实施例所示的一种基于标签传播算法的图谱数据处理方法的流程图；图2是根据本公开的一些实施例所示的一种基于标签传播算法的图谱数据处理装置的结构框图；图3是根据本公开的一些实施例所示的一种电子设备的结构示意图。具体实施方式在下面的详细描述中，通过示例阐述了本公开的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本公开显而易见的可以在没有这些细节的情况下实施。应当理解的是，本公开中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。应当理解的是，当设备、单元或模块被称为“在……上”、“连接到”或“耦合到”另一设备、单元或模块时，其可以直接在另一设备、单元或模块上，连接或耦合到或与其他设备、单元或模块通信，或者可以存在中间设备、单元或模块，除非上下文明确提示例外情形。例如，本公开所使用的术语“和/或”包括一个或多个相关所列条目的任何一个和所有组合。本公开所用术语仅为了描述特定实施例，而非限制本公开范围。如本公开说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件，而该类表述并不构成一个排它性的罗列，其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。参看下面的说明以及附图，本公开的这本文档来自技高网...

【技术保护点】
1.一种基于标签传播算法的图谱数据处理方法，其特征在于，包括：/n获取图谱中各个节点的表现值和所有预设类型的边；/n将每条预设类型的边的两个节点的表现值进行运算，并计算运算结果的平均值获得每条预设类型的边的初始权重值；/n对所述初始权重值做归一化处理，获得每条预设类型的边的最终权重值；/n根据所述最终权重值计算各个节点的传播概率，完成标签传播，更新所述图谱。/n

【技术特征摘要】
1.一种基于标签传播算法的图谱数据处理方法，其特征在于，包括：
获取图谱中各个节点的表现值和所有预设类型的边；
将每条预设类型的边的两个节点的表现值进行运算，并计算运算结果的平均值获得每条预设类型的边的初始权重值；
对所述初始权重值做归一化处理，获得每条预设类型的边的最终权重值；
根据所述最终权重值计算各个节点的传播概率，完成标签传播，更新所述图谱。


2.根据权利要求1所述的方法，其特征在于，所述将每条预设类型的边的两个节点的表现值进行运算，具体包括：
将每条预设类型的边的两个节点表现值进行同或运算，并将每条边的同或运算结果进行相加得到运算结果。


3.根据权利要求2所述的方法，其特征在于，所述计算运算结果的平均值获得每条预设类型的边的初始权重值，具体包括：将所述运算结果与预设类型的边的总数量做除法运算获得每条预设类型的边的初始权重值。


4.根据权利要求1所述的方法，其特征在于，所述对所述初始权重值做归一化处理，具体包括：根据所述图谱中边的类型的重要程度确定归一化系数，根据所述归一化系数对所述初始权重值做归一化处理，获得每条预设类型的边的最终权重值。


5.根据权利要求4所述的方法，其特征在于，所述方法还包括：通过对所述各个节点的表现值进行训练，得到所述归一化系数。

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：广州拉卡拉信息技术有限公司，
类型：发明
国别省市：广东;44