[发明专利]可信关系的识别方法、装置、存储介质和计算机设备

权利要求书

1.一种可信关系的识别方法，包括：

获取用户的行为数据，所述行为数据包括目标主体的主体特征和多个对象主体的主体特征；

根据所述目标主体的主体特征和多个对象主体的主体特征，利用预先训练的图神经网络模型，生成所述目标主体对应的第一节点嵌入向量和多个所述对象主体对应的第二节点嵌入向量；

根据所述第一节点嵌入向量和各个所述第二节点嵌入向量，生成所述目标主体与各个所述对象主体之间的向量距离；

判断多个所述向量距离是否均大于或等于设定阈值；

若判断出多个所述向量距离中至少一个向量距离小于所述设定阈值，将小于设定阈值的向量距离对应的第一节点嵌入向量和第二节点嵌入向量，确定为可信关系对；

其中，所述图神经网络模型的训练方法包括：

根据获取的用户的历史行为数据，确定出建立的网络关系图中节点的节点特征和连接边的边特征；

根据所述节点的节点特征确定出各个节点的初级节点嵌入向量；

根据所述网络关系图、各个节点的初级节点嵌入向量，执行多级向量聚合，生成各个节点的多级节点嵌入向量；

根据所述节点对应的主体的类型，将目标主体对应的节点的多级节点嵌入向量进行分类生成目标主体对应的第一节点嵌入向量，将对象主体对应的节点的多级节点嵌入向量进行分类生成对象主体对应的第二节点嵌入向量；

将设定历史时间段中未出现报案的同一历史行为数据中包括的目标主体和对象主体确定为一组正样本并为所述正样本设置标签值，将设定历史时间段中出现报案的同一历史行为数据中包括的目标主体和对象主体确定为一组负样本并为所述负样本设置标签值；

根据各组中的目标主体对应的第一节点嵌入向量和对象主体对应的第二节点嵌入向量，生成该组中目标主体和对象主体之间的向量距离；

在损失函数的函数值减小的方向，调整图神经网络模型的参数，直至达到收敛条件，其中，所述损失函数通过各组中目标主体和对象主体之间的向量距离和各组的标签值确定。

2.根据权利要求1所述的方法，其中，所述方法还包括：

存储所述第一节点嵌入向量和所述第二节点嵌入向量。

3.根据权利要求1所述的方法，其中，所述方法还包括：

若判断出多个所述向量距离中至少一个向量距离小于所述设定阈值，确定出所述行为数据可信。

4.根据权利要求1所述的方法，其中，所述方法还包括：

若判断出多个所述向量距离均大于或等于所述设定阈值，确定出所述行为数据不可信。

5.根据权利要求1所述的方法，其中，所述目标主体包括账户，所述对象主体包括手机号码、银行卡号、身份证号、手机设备标识、机器设备标识、收货地址、社交账号或WIFI账号。

6.根据权利要求1所述的方法，其中，所述根据所述网络关系图、各个节点的初级节点嵌入向量，执行多级向量聚合，生成各个节点的多级节点嵌入向量，包括：

根据各个节点的邻居节点的上一级节点嵌入向量、该节点连接的连接边的边特征向量和参数集中的参数，生成各个节点的本级节点嵌入向量。