[发明专利]逐边学习属性图表示

权利要求书

1.一种方法，包括:

接收输入图，其中所述输入图包括多个顶点和多个边缘，所述多个顶点中的每个顶点与所述顶点的顶点属性相关联；

为所述多个顶点中的每个顶点生成顶点到属性的映射，所述映射将所述顶点映射到多个顶点属性签名中的顶点属性签名；

生成多个边缘单词，每个边缘单词对应于一个或多个边缘，每个边缘起始于具有所述多个顶点属性签名中的特定顶点属性签名的第一顶点，并且终止于具有所述多个顶点属性签名中的特定顶点属性签名的第二顶点；

生成多个句子，每个句子包括沿着所述输入图中的多个路径中的路径直接连接的边缘单词；以及

使用所述多个句子和所述多个边缘单词，使用文档向量化模型来生成表示所述输入图的机器学习向量。

2.如权利要求1所述的方法，其中所述输入图包括无向图。

3.如权利要求1所述的方法，其中每个顶点属性签名包括顶点的顶点属性的串表示。

4.如权利要求1所述的方法，其中每个边缘单词包括第一顶点的顶点属性与第二顶点的顶点属性级联的串表示。

5.如权利要求1所述的方法，还包括:

基于一个或多个超参数来生成多个随机游走，每个随机游走包括所述输入图中的顶点序列。

6.如权利要求5所述的方法，其中所述多个边缘单词是基于所述多个随机游走和所述顶点到属性的映射而生成的。

7.如权利要求5所述的方法，其中所述多个路径中的每个路径基于所述多个随机游走中的随机游走。

8.如权利要求1所述的方法，其中所述多个句子中的每个句子包括所述多个边缘单词中的边缘单词与所述多个边缘单词中的一个或多个其它边缘单词级联的串表示。

9.如权利要求1所述的方法，其中所述文档向量化模型包括doc2vec。

10.如权利要求1所述的方法，还包括:

基于所述机器学习向量来训练分类器。

11.一种或多种存储指令的非暂态计算机可读介质，所述指令在由一个或多个处理器执行时，使得执行如权利要求1-10中任一项所述的方法。

12.一种系统，包括包含组件的一个或多个计算设备，至少部分地由计算硬件来实现，所述计算硬件被配置为实现如权利要求1-10中所述的方法中的任何一个方法的步骤。