[发明专利]建立节点表示模型的方法、装置、设备和计算机存储介质

权利要求书

1.一种建立节点表示模型的方法，包括：

获取异构图，所述异构图中包含不同类型的节点、节点之间的边以及各节点的属性特征；

根据不同的元路径对所述异构图进行采样，将采样得到的对应于各元路径的游走路径作为训练数据；

分别将所述异构图中各节点的属性特征进行拼接，将拼接结果作为各节点的初始化特征；

根据所述训练数据与各节点的初始化特征对神经网络模型进行训练，得到节点表示模型。

2.根据权利要求1所述的方法，其中，所述根据不同的元路径对所述异构图进行采样，将采样得到的对应于各元路径的游走路径作为训练数据包括：

针对每条元路径，在所述异构图中按照该元路径指定的节点类型以及节点之间的连接关系，采样得到对应该元路径的游走路径；

将对应各元路径的游走路径作为所述训练数据。

3.根据权利要求1所述的方法，其中，所述分别将所述异构图中各节点的属性特征进行拼接，将拼接结果作为各节点的初始化特征包括：

获取各节点的类型特征；

分别将各节点的属性特征与各节点的类型特征进行拼接，将拼接结果作为各节点的初始化特征。

4.根据权利要求1所述的方法，其中，所述根据所述训练数据与各节点的初始化特征对神经网络模型进行训练，得到节点表示模型包括：

将所述异构图中的各节点分别作为目标节点；

针对各目标节点，将所述训练数据中与该目标节点相邻的节点的初始化特征作为该目标节点的正样本，将不与目标节点相邻的、且与目标节点具有相同类型的节点的初始化特征作为该目标节点的负样本；

根据各目标节点的初始化特征、各目标节点的正样本与负样本来训练神经网络模型，直至神经网络模型收敛，得到节点表示模型。

5.一种建立节点表示模型的装置，包括：

获取单元，用于获取异构图，所述异构图中包含不同类型的节点、节点之间的边以及各节点的属性特征；

采样单元，根据不同的元路径对所述异构图进行采样，将采样得到的对应于各元路径的游走路径作为训练数据；

处理单元，用于分别将所述异构图中各节点的属性特征进行拼接，将拼接结果作为各节点的初始化特征；

训练单元，用于根据所述训练数据与各节点的初始化特征对神经网络模型进行训练，得到节点表示模型。

6.根据权利要求5所述的装置，其中，所述采样单元在根据不同的元路径对所述异构图进行采样，将采样得到的对应于各元路径的游走路径作为训练数据时，具体执行：

针对每条元路径，在所述异构图中按照该元路径指定的节点类型以及节点之间的连接关系，采样得到对应该元路径的游走路径；

将对应各元路径的游走路径作为所述训练数据。

7.根据权利要求5所述的装置，其中，所述处理单元在分别将所述异构图中各节点的属性特征进行拼接，将拼接结果作为各节点的初始化特征时，具体执行：

获取各节点的类型特征；

分别将各节点的属性特征与各节点的类型特征进行拼接，将拼接结果作为各节点的初始化特征。

8.根据权利要求5所述的装置，其中，所述训练单元在根据所述训练数据与各节点的初始化特征对神经网络模型进行训练，得到节点表示模型时，具体执行：

将所述异构图中的各节点分别作为目标节点；

针对各目标节点，将所述训练数据中与该目标节点相邻的节点的初始化特征作为该目标节点的正样本，将不与目标节点相邻的、且与目标节点具有相同类型的节点的初始化特征作为该目标节点的负样本；

根据各目标节点的初始化特征、各目标节点的正样本与负样本来训练神经网络模型，直至神经网络模型收敛，得到节点表示模型。