[发明专利]一种基于标签传播算法的图谱数据处理方法及装置

说明书

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。

技术领域

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。

背景技术

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。

发明内容

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。

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；