[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

说明书

本申请公开了一种建立节点表示模型的方法、装置，涉及深度学习技术领域。本申请在建立节点表示模型时所采用的方案为：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。本申请能够提升训练得到的节点表示模型在生成节点表示时的准确性。

技术领域

本申请涉及计算机技术领域，尤其涉及深度学习技术领域中的一种建立节点表示模型的方法、装置、电子设备和可读存储介质。

背景技术

目前，图网络表示可以用于多种下游任务，包括节点分类、链路预测、社区检测等。现实世界中，存在大量的异构图，异构图中包含多种节点类型和边的类型。为了学习出不同类型节点的语义信息，现有技术通常采用的方法为：通过所定义的元路径采样得到不同的游走路径，通过word2vec等训练方法对游走路径进行训练，最终得到异构图中节点的表示结果。但是现有技术中的节点表示学习方法，仅使用了元路径来学习节点与节点之间的结构关系，而忽略了节点本身的特征信息，导致训练得到的节点表示模型所生成的节点表示不够准确。

发明内容

本申请为解决技术问题所采用的技术方案是提供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。

本申请为解决技术问题所采用的技术方案是提供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。

一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述方法。

一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述方法。

上述申请中的一个实施例具有如下优点或有益效果：本申请能够提升节点表示模型在生成节点表示时的准确性。因为采用了在异构图中引入节点本身的属性特征的技术手段，所以克服了现有技术中仅使用游走路径训练得到的节点表示模型无法准确生成节点表示的技术问题，实现了训练所得到的节点表示模型能够生成更为准确的节点表示的技术效果。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2是根据本申请第二实施例的示意图；

图3是根据本申请第三实施例的示意图；

图4是用来实现本申请实施例的建立节点表示模型的方法的电子设备的框图。

具体实施方式