特征信息获取方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种特征信息获取方法、装置、设备及存储介质，属于计算机技术领域。该方法包括：获取异构图，根据异构图，获取至少两个同构图，获取至少两个同构图的特征信息，对至少两个同构图的特征信息进行融合，得到融合特征信息，从融合特征信息中，获取目标对象节点的特征信息。该方法根据异构图，获取目标对象节点的特征信息，不仅考虑了目标对象节点的数据，还考虑了异构图中其他对象节点的数据，可以获取目标对象节点更多的特征信息，提高了信息的全面性，进而提高了获取的特征信息的准确率。

Method, device, equipment and storage medium of feature information acquisition

【技术实现步骤摘要】
特征信息获取方法、装置、设备及存储介质
本申请实施例涉及计算机
，特别涉及一种特征信息获取方法、装置、设备及存储介质。
技术介绍
随着计算机技术的发展，在风险评估、信息推荐、自然语言处理等领域均会及到对象的识别。例如，识别用户标识是否为风险用户标识，或者识别用户标识感兴趣的商品等。而获取对象的特征信息是识别对象的关键步骤，如何准确获取对象的特征信息成为亟待解决的问题。相关技术中，可以获取对象的属性数据，根据该对象的属性数据，获取该对象的特征信息。由于仅根据对象的属性数据获取特征信息，依据的数据较为片面，导致获取的特征信息的准确率较低。
技术实现思路
本申请实施例提供了一种特征信息获取方法、装置、设备及存储介质，提高获取的特征信息的准确率。所述技术方案如下：一方面，提供了一种特征信息获取方法，所述方法包括：获取异构图，所述异构图包括至少两个对象节点及至少一个数据节点，其中任一对象节点与任一数据节点连接表示所述任一对象节点所属的对象与所述任一数据节点所属的数据关联；根据所述异构图，获取至少两个同构图，每个同构图包括至少两个对象节点，其中任两个对象节点连接表示所述异构图中所述任两个对象节点所属的对象与同一数据节点所属的数据关联；获取所述至少两个同构图的特征信息，对所述至少两个同构图的特征信息进行融合，得到融合特征信息；从所述融合特征信息中，获取目标对象节点的特征信息。可选地，目标对象为目标用户标识，所述从所述融合特征信息中，获取目标对象节点的特征信息之后，所述方法还包括：根据所述特征信息，获取所述目标用户标识对应的风险系数；响应于所述风险系数大于预设风险系数，确定所述目标用户标识为风险用户标识；或者，响应于所述风险系数不大于所述预设风险系数，确定所述目标用户标识为非风险用户标识。可选地，所述基于特征提取模型对所述至少两个同构图进行特征提取，得到所述至少两个同构图的特征信息之前，所述方法还包括：获取至少两个样本同构图，及所述至少两个样本同构图的样本特征信息；根据所述至少两个样本同构图及所述至少两个样本同构图的样本特征信息，训练所述特征提取模型。可选地，所述基于特征融合模型对所述至少两个同构图的特征信息进行融合，得到所述融合特征信息之前，所述方法还包括：获取至少两个样本同构图的样本特征信息，及所述至少两个样本同构图对应的样本融合特征信息；根据所述至少两个样本同构图的样本特征信息及所述样本融合特征信息，训练所述特征融合模型。另一方面，提供了一种特征信息获取装置，所述装置包括：异构图获取模块，用于获取异构图，所述异构图包括至少两个对象节点及至少一个数据节点，其中任一对象节点与任一数据节点连接表示所述任一对象节点所属的对象与所述任一数据节点所属的数据关联；同构图获取模块，用于根据所述异构图，获取至少两个同构图，每个同构图包括至少两个对象节点，其中任两个对象节点连接表示所述异构图中所述任两个对象节点所属的对象与同一数据节点所属的数据关联；融合特征获取模块，用于获取所述至少两个同构图的特征信息，对所述至少两个同构图的特征信息进行融合，得到融合特征信息；节点特征获取模块，用于从所述融合特征信息中，获取目标对象节点的特征信息。可选地，所述至少一个数据节点中包括至少两个类型的数据节点，所述同构图获取模块，还用于按照所述异构图中每个数据节点的类型，将所述异构图中与属于每个类型的同一数据节点连接的任两个对象节点连接，构成与所述每个类型分别对应的至少两个同构图。可选地，所述同构图获取模块，包括：一级同构图获取单元，用于根据所述异构图，获取至少两个一级同构图，每个一级同构图包括至少两个对象节点，其中任两个对象节点连接表示所述异构图中所述任两个对象节点所属的对象与同一数据节点所属的数据关联；二级同构图获取单元，用于将任一个或多个一级同构图拆分为至少两个二级同构图，其中，不同的二级同构图包括的对象节点不同。可选地，所述融合特征获取模块，包括：特征提取单元，用于基于特征提取模型对所述至少两个同构图进行特征提取，得到所述至少两个同构图的特征信息。可选地，所述特征提取模型包括多个网络层，所述多个网络层包括一个输入层和至少两个特征提取层，所述特征提取单元，还用于：对于任一同构图中的任一目标对象节点，在所述输入层中，根据所述目标对象节点的属性信息及所述目标对象节点的邻居对象节点的属性信息，确定所述目标对象节点的特征信息及所述邻居对象节点的特征信息，输出至下一网络层中；在任一特征提取层中，将上一网络层输出的所述目标对象节点的特征信息及所述邻居对象节点的特征信息进行融合，将融合得到的特征信息作为所述目标对象节点更新后的特征信息，输出至下一网络层中，直至获取到最后一个网络层输出的所述目标对象节点的特征信息。可选地，所述特征提取单元，还用于：根据所述目标对象节点的特征信息及所述邻居对象节点的特征信息，确定所述目标对象节点和所述邻居对象节点之间的关联度，所述关联度用于表示所述目标对象节点所属的目标对象与所述邻居对象节点所属的对象之间的相关程度；根据所述关联度，对所述目标对象节点的特征信息及所述邻居对象节点的特征信息进行融合，得到所述目标对象节点更新后的特征信息。可选地，所述特征提取单元，还用于：在所述下一网络层中，根据所述目标对象节点的特征信息及所述邻居对象节点的特征信息，确定所述邻居对象节点对所述目标对象节点的影响系数；根据所述影响系数对所述邻居对象节点进行过滤处理。可选地，所述特征提取单元，还用于：根据所述邻居对象节点的第一特征信息，及所述目标对象节点和所述邻居对象节点之间的关联度，确定所述邻居对象节点的第二特征信息；根据所述目标对象节点的特征信息及所述邻居对象节点的第二特征信息，确定所述邻居对象节点对所述目标对象节点的影响系数。可选地，所述特征提取单元，还用于：响应于所述影响系数大于预设影响系数，保留所述邻居对象节点的特征信息；或者，响应于所述影响系数不大于所述预设影响系数，过滤所述邻居对象节点的特征信息。可选地，所述特征提取单元，还用于在所述任一特征提取层中，将所述上一网络层输出的所述目标对象节点的特征信息，及进行过滤处理之后剩余的邻居对象节点的特征信息进行融合，将融合得到的特征信息作为所述目标对象节点更新后的特征信息。可选地，所述融合特征获取模块，包括：特征融合单元，用于基于特征融合模型对所述至少两个同构图的特征信息进行融合，得到所述融合特征信息。可选地，所述特征融合单元，还用于：在所述加权层中，获取所述至少两个同构图的权值；在所述融合层中，根据所述至少两个同构图的权值，对所述至少两个同构图的特征信息进行加权融合，得到所述融合特征信息。可选地，目标对象为目标用户标识，所述装置还包括：风险系数获本文档来自技高网...

【技术保护点】
1.一种特征信息获取方法，其特征在于，所述方法包括：/n获取异构图，所述异构图包括至少两个对象节点及至少一个数据节点，其中任一对象节点与任一数据节点连接表示所述任一对象节点所属的对象与所述任一数据节点所属的数据关联；/n根据所述异构图，获取至少两个同构图，每个同构图包括至少两个对象节点，其中任两个对象节点连接表示所述异构图中所述任两个对象节点所属的对象与同一数据节点所属的数据关联；/n获取所述至少两个同构图的特征信息，对所述至少两个同构图的特征信息进行融合，得到融合特征信息；/n从所述融合特征信息中，获取目标对象节点的特征信息。/n

【技术特征摘要】
1.一种特征信息获取方法，其特征在于，所述方法包括：
获取异构图，所述异构图包括至少两个对象节点及至少一个数据节点，其中任一对象节点与任一数据节点连接表示所述任一对象节点所属的对象与所述任一数据节点所属的数据关联；
根据所述异构图，获取至少两个同构图，每个同构图包括至少两个对象节点，其中任两个对象节点连接表示所述异构图中所述任两个对象节点所属的对象与同一数据节点所属的数据关联；
获取所述至少两个同构图的特征信息，对所述至少两个同构图的特征信息进行融合，得到融合特征信息；
从所述融合特征信息中，获取目标对象节点的特征信息。


2.根据权利要求1所述的方法，其特征在于，所述至少一个数据节点中包括至少两个类型的数据节点，所述根据所述异构图，获取至少两个同构图，包括：
按照所述异构图中每个数据节点的类型，将所述异构图中与属于每个类型的同一数据节点连接的任两个对象节点连接，构成与所述每个类型分别对应的至少两个同构图。


3.根据权利要求1所述的方法，其特征在于，所述根据所述异构图，获取至少两个同构图，包括：
根据所述异构图，获取至少两个一级同构图，每个一级同构图包括至少两个对象节点，其中任两个对象节点连接表示所述异构图中所述任两个对象节点所属的对象与同一数据节点所属的数据关联；
将任一个或多个一级同构图拆分为至少两个二级同构图，其中，不同的二级同构图包括的对象节点不同。


4.根据权利要求1所述的方法，其特征在于，所述获取所述至少两个同构图的特征信息，包括：
基于特征提取模型对所述至少两个同构图进行特征提取，得到所述至少两个同构图的特征信息。


5.根据权利要求4所述的方法，其特征在于，所述特征提取模型包括多个网络层，所述多个网络层包括一个输入层和至少两个特征提取层，所述基于特征提取模型对所述至少两个同构图进行特征提取，得到所述至少两个同构图的特征信息，包括：
对于任一同构图中的任一目标对象节点，在所述输入层中，根据所述目标对象节点的属性信息及所述目标对象节点的邻居对象节点的属性信息，确定所述目标对象节点的特征信息及所述邻居对象节点的特征信息，输出至下一网络层中；
在任一特征提取层中，将上一网络层输出的所述目标对象节点的特征信息及所述邻居对象节点的特征信息进行融合，将融合得到的特征信息作为所述目标对象节点更新后的特征信息，输出至下一网络层中，直至获取到最后一个网络层输出的所述目标对象节点的特征信息。


6.根据权利要求5所述的方法，其特征在于，所述将上一网络层输出的所述目标对象节点的特征信息及所述邻居对象节点的特征信息进行融合，将融合得到的特征信息作为所述目标对象节点更新后的特征信息，包括：
根据所述目标对象节点的特征信息及所述邻居对象节点的特征信息，确定所述目标对象节点和所述邻居对象节点之间的关联度，所述关联度用于表示所述目标对象节点所属的目标对象与所述邻居对象节点所属的对象之间的相关程度；
根据所述关联度，对所述目标对象节点的特征信息及所述邻居对象节点的特征信息进行融合，得到所述目标对象节点更新后的特征信息。


7.根据权利要求5所述的方法，其特征在于，所述对于任一同构图中的任一目标对象节点，在所述输入层中，根据所述目标对象节点的属性信息及所述目标对象节点的邻居对象节点的属性信息，确定所述目标对象节点的特征信息及所述邻居对象节点的特征向量，输出至下一网络层中之后，所述方法还包括：
在所述下一网络层中，根据所述目标对象节点的特征信息及...

【专利技术属性】
技术研发人员：蓝利君，李超，王翔，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44