图关系网络构建方法、图神经网络模型训练方法及装置制造方法及图纸

本公开提供了一种图关系网络构建方法、图神经网络模型训练方法及装置，涉及大数据处理领域，尤其涉及用户理解、关系理解、图关系网络构建、图神经网络模型训练技术领域。具体实现方案为：构建的图关系网络中融合了用户事件之间的时序信息，从而构建的包含时序信息的图网络关系能提供更好的用户表征以及用户事件节点表征，为后续的基于图神经网络等的图关系网络数据挖掘提供良好的数据基础。络数据挖掘提供良好的数据基础。络数据挖掘提供良好的数据基础。

【技术实现步骤摘要】
图关系网络构建方法、图神经网络模型训练方法及装置


[0001]本公开涉及大数据处理
，尤其涉及用户理解、关系理解、图关系网络构建、图神经网络模型训练


技术介绍

[0002]用户的关系理解是刻画用户的重要维度，图数据作为表征用户的重要数据类型，如何使得构建的图网络关系包含更多的信息，是图关系网络挖掘最重要的设计环节之一。

技术实现思路

[0003]本公开提供了一种图关系网络构建方法、图神经网络模型训练方法及装置。
[0004]根据本公开的第一方面，提供了一种包含时序信息的图关系网络构建方法，包括：
[0005]确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；
[0006]确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；
[0007]将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。
[0008]根据本公开的第二方面，提供了一种图神经网络模型训练方法，包括：
[0009]基于多个训练样本训练图神经网络模型；训练样本具有第一方面任一项的包含时序信息的图关系网络。
[0010]根据本公开的第三方面，提供了一种包含时序信息的图关系网络构建装置，包括：
[0011]第一确定模块，用于确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；
[0012]第二确定模块，用于确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；
[0013]第一添加模块，用于将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。
[0014]根据本公开的第四方面，提供了一种图神经网络模型训练装置，包括：
[0015]训练模块，用于基于多个训练样本训练图神经网络模型；训练样本具有第一方面任一项的包含时序信息的图关系网络。
[0016]根据本公开的第五方面，提供了一种电子设备，该电子设备包括：
[0017]至少一个处理器；以及
[0018]与上述至少一个处理器通信连接的存储器；其中，
[0019]存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述方法。
[0020]根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行上述方法。
[0021]根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述方法。
[0022]本公开提供的技术方案带来的有益效果是：本申请构建的图网络关系能提供更好的用户表征以及用户事件节点表征，为后续的基于图神经网络等的图关系网络数据挖掘提供良好的数据基础。
[0023]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0024]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0025]图1是根据本公开提供的包含时序信息的图关系网络构建方法流程示意图；
[0026]图2是根据本公开提供的现有的图关系网络示例图；
[0027]图3是根据本公开提供的包含时序信息的图关系网络示例图；
[0028]图4是根据本公开提供的包含用户关系及用户事件关系的图关系网络示例图；
[0029]图5是根据本公开提供的图神经网络模型训练方法流程示意图；
[0030]图6本公开提供的包含时序信息的图关系网络构建装置的结构示意图；
[0031]图7本公开提供的图神经网络模型训练装置的结构示意图；
[0032]图8是用来实现本公开实施例的电子设备的框图。
具体实施方式
[0033]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0034]实施例一
[0035]图1示出了本公开实施例提供的一种包含时序信息的图关系网络构建方法，如图1所示，该方法包括：
[0036]步骤S101，确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；
[0037]图(Graph)是一个具有广泛含义的对象，在计算机领域，图是一种常见的数据结构，在数据科学中，图被用来广泛描述各种关系型数据。通常，图被用来表示物体与物体之间的关系，在诸如社交网络、生物制药、物联网等场景中，存在大量的图数据。其中，图有顶点(Vertex)以及连接顶点的边(Edge)构成，顶点表示研究对象，边表示两个对象之间特定的关系。对于本申请，图网络关系可以表示顶点和边的集合，其中，用户和用户事件都可以作为图的顶点。
[0038]步骤S102，确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；
[0039]具体地，目标用户可以对应有多个用户事件，该多个用户事件的发生存在一定的关联关系，如目标用户进行了事件A之后，又进行了事件B，则可以认为用户事件A与用户事
件B存在事件对关系。
[0040]步骤S103，将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。
[0041]具体地，用户事件的相继发生包含了一定的时序信息，将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，也即是说建立用户事件的连接，构建用户事件之间的变关系，从而能够构建包含时序信息的图关系网络。
[0042]为更好的理解本申请的专利技术点，示例性地，图2示出了现有的构建的用户的图关系网络，目标用户(UserA)进行了用户事件A(query1)与用户事件B(query2)，现有的构建的用户的图关系网络仅建立目标用户(UserA)与用户事件(query1、query2)的边关系，而并不会构建用户事件的边关系，从而现有的构建的用户的图关系网络损失掉了用户事件所蕴含的时序信息。本申请通过确定用户事件是否存在用户事件对关系，如果用户事件存在事件对关系，即用户事件A(query1)与用户事件B(query2)相继发生，说明用户事件A(query1)与用户事件B(query2)之间存在一定的时序信息，从而构建用户事件A(query1)与用户事件B(query2)之间的边关系，从而将用户事件A(query1)与用户事件B(query2)之间所蕴含的时序信息添加至构建的图网络关系中。
[0043]本公开实施例提供的方案，与现有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种包含时序信息的图关系网络构建方法，包括：确定目标用户的第一图关系网络，所述第一图关系网络包含用户与用户事件的关系；确定目标用户的各用户事件之间存在的事件对关系，所述事件对关系表示用户事件相继发生；将确定的目标用户的各用户事件之间存在的事件对关系添加至所述第一图关系网络，得到包含时序信息的第二图关系网络。2.根据权利要求1所述的方法，其中，该方法还包括：基于目标用户的事件日志确定目标用户的各用户事件之间存在的事件对关系。3.根据权利要求2所述的方法，其中，基于目标用户的事件日志确定目标用户的各用户事件之间存在的事件对关系，包括：基于目标用户的事件日志确定目标用户的各用户事件及用户事件发生顺序；基于确定的目标用户的各用户事件及用户事件发生顺序，确定目标用户的各用户事件之间存在的事件对关系。4.根据权利要求3所述的方法，其中，该方法还包括：基于目标用户的事件日志确定各事件对关系的发生次数；基于确定的事件对关系的发生次数确定各事件对关系的权重；将确定的各事件对关系的权重添加至第二图关系网络，得到第三图关系网络。5.根据权利要求4所述的方法，其中，所述基于目标用户的事件日志确定各事件对关系的发生次数，之前包括：基于目标用户的事件日志确定目标用户的用户事件；对目标用户的用户事件进行语义归一化处理，得到语义归一化处理后的用户事件；基于语义归一化后的用户事件确定各事件对关系的发生次数。6.根据权利要求1所述的方法，其中，该方法还包括：获取存在关联关系的多个目标用户的第二图关系网络，并将所述存在关联关系的多个目标用户的第二图关系网络进行网络融合，得到第四图关系网络。7.根据权利要求1
‑
6任一项所述的方法，其中，所述用户事件包括以下至少一项：观看视频事件；浏览文章事件；检索事件；广告点击事件。8.一种图神经网络模型训练方法，包括：基于多个训练样本训练图神经网络模型；所述训练样本具有权利要求1
‑
7任一项的包含时序信息的图关系网络。9.根据权利要求8所述的方法，其中，所述包含时序信息的图关系网络的用户事件包括以下至少一项：观看视频事件；浏览文章事件；检索事件；广告点击事件。10.一种包含时序信息的图关系网络构建装置，包括：第一确定模块，用于确定目标用户的第一图关系网络，所述第一图关系网络包含用户与用户事件的关系；第二确定模块，用于确定目标用户的各用户事件之间存在的事件对关系，所述事件对关系表示用户事件相继发生；第一添加模块，用于将确定的目标...

【专利技术属性】
技术研发人员：戴明洋，石逸轩，刘子祥，卞传鑫，杨胜文，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：