[发明专利]针对关系网络添加扰动的方法及装置

权利要求书

1.一种针对关系网络添加扰动的方法，所述关系网络用于通过多个节点描述各个节点分别对应的各个实体之间的关联关系，具有直接关联关系的实体对应的节点之间通过连接边互相连接，所述方法包括：

基于当前关系网络中各个节点之间的连接关系，为所述关系网络确定用于进行扰动的至少一个候选边，单个候选边为，当前关系网络中存在的连接边，或者用于连接不存在直接关联关系的节点的边；

获取用于处理所述关系网络的R层图卷积神经网络各个隐层分别对应的R个模型参数集；

基于所述R个模型参数集，针对各个候选边，分别确定各个扰动分数，其中，单个扰动分数基于相应候选边使得其各个相关节点的分类指标的偏移程度确定，所述相关节点属于，作为相应候选边的端点的节点、所述端点的R阶内的邻居节点构成的节点集，所述分类指标与所述图卷积神经网络第R个隐层的输出结果相关；

选择对应于最大扰动分数的候选边作为扰动边，为当前关系网络添加扰动。

2.根据权利要求1所述的方法，其中，所述候选边包括第一候选边，所述第一候选边的相关节点包括第一节点，经所述图卷积神经网络利用当前关系网络为所述第一节点确定的分类指标中，由大到小的前两个分类指标对应的两个类别依次为第一类别、第二类别，所述第一节点的分类指标的偏移程度通过以下第一项与第二项的差描述：

所述第一项为，利用所述第一候选边扰动后的关系网络的情况下，所述第一节点在所述第一类别上的分类指标与所述第一节点在所述第二类别上的分类指标的差；

所述第二项为，利用当前关系网络的情况下，所述第一节点在所述第一类别上的分类指标与所述第一节点在所述第二类别上的分类指标的差。

3.根据权利要求1所述的方法，其中，单个候选边对应的扰动分数通过以下任一方式确定：

对所述单个候选边的各个相关节点的分类指标的偏移程度的量值进行叠加；

对所述单个候选边的各个相关节点的分类指标的偏移程度的量值求平均。

4.根据权利要求1所述的方法，其中，所述关系网络中各个节点分别对应有用于描述相应节点的特征的节点嵌入向量，当前候选边的相关节点包括第二节点，所述第二节点经图卷积神经网络的各个隐层迭代后的节点嵌入向量，至少基于以下项确定：

所述第二节点上一隐层迭代的节点嵌入向量、所述第二节点的一阶邻居节点经上一隐层迭代的节点嵌入向量、所述图卷积神经网络的当前隐层对应的模型参数集。

5.根据权利要求4所述的方法，其中，在所述第二节点是当前候选边的端点的情况下，通过所述图卷积神经网络处理经当前候选边扰动后的关系网络时，所述第二节点的分类指标的量值最终至少基于以下项确定：

所述第二节点的二阶邻居节点在所述当前关系网络中的节点嵌入向量、所述第二节点的一阶邻居节点在所述当前关系网络中的节点嵌入向量、当前候选边的另一个端点在所述当前关系网络中的节点嵌入向量、所述图卷积神经网络的R个模型参数集。

6.根据权利要求4所述的方法，其中，所述第二节点是当前候选边的一个端点的R阶邻居节点的情况下，所述第二节点的分类指标的偏移程度的量值基于以下项的乘积确定：

所述第二节点在当前关系网络中的节点嵌入向量，以及所述图卷积神经网络分别在R层上的R个模型参数集。

7.根据权利要求4所述的方法，其中，所述第二节点是当前候选边的一个端点的m阶邻居节点的情况下，通过所述图卷积神经网络处理经当前候选边扰动后的关系网络时，所述第二节点的分类指标的量值基于以下项确定：

所述第二节点的1至R-m阶邻居节点的初始节点嵌入向量、所述第二节点的初始节点嵌入向量、作为当前候选边的两个端点的节点的初始节点嵌入向量、所述图卷积神经网络的R个模型参数集，其中，1≥m≥R-1。

8.根据权利要求4-7中任一所述的方法，其中，所述第二节点的分类指标的量值确定过程中，以相应节点的度作为归一化因子。