[发明专利]对象的关联关系预测方法、装置、终端设备以及存储介质

权利要求书

1.一种对象的关联关系预测方法，其特征在于，所述方法包括以下步骤：

基于多个目标对象和多个所述目标对象之间的关联关系，获得目标异构信息图；

利用所述目标异构信息图，生成重构输入矩阵；

将所述重构输入矩阵输入预设相似度模型进行运算，获得所述目标异构信息图对应的高阶相似度、二阶相似度和一阶相似度；

基于所述高阶相似度、所述二阶相似度和所述一阶相似度，获得多个所述目标对象的预测关联关系。

2.如权利要求1所述的方法，其特征在于，所述目标异构信息图包括属性矩阵和邻接矩阵；所述利用所述目标异构信息图，生成重构输入矩阵的步骤，包括：

利用所述属性矩阵，生成属性相似度矩阵；

在所述目标异构信息图中获取社团信息；

基于所述社团信息，获得社团相似度矩阵；

利用所述邻接矩阵、所述属性相似度矩阵和所述社团相似度矩阵，生成重构输入矩阵。

3.如权利要求2所述的方法，其特征在于，所述将所述重构输入矩阵输入预设相似度模型进行运算，获得所述目标异构信息图对应的高阶相似度、二阶相似度和一阶相似度的步骤，包括：

将所述重构输入矩阵输入所述预设相似度模型的编码器，获得表示向量；

将所述表示向量输入所述预设相似度模型的解码器，获得输出向量；

基于所述重构输入矩阵和所述输出向量，获得所述高阶相似度；

将所述表示向量输入所述预设相似度模型的二阶相似度模块，获得所述二阶相似度；

将所述表示向量输入所述预设相似度模型的一阶相似度模块，获得所述一阶相似度。

4.如权利要求3所述的方法，其特征在于，所述将所述重构输入矩阵输入昕述预设相似度模型的编码器，获得表示向量的步骤，包括：

将所述重构输入矩阵输入所述预设相似度模型的编码器，以使所述编码器利用公式一，对所述重构输入矩阵进行运算，获得所述表示向量；

所述公式一为：

其中，y_i为所述表示向量的第i行数据，R_i为所述重构输入矩阵的第i行数据，W和b为模型参数，k为层数，δ为预设非线性激活函数，K为预设层数。

5.如权利要求4所述的方法，其特征在于，所述基于所述重构输入矩阵和所述输出向量，获得所述高阶相似度的步骤，包括：

基于所述重构输入矩阵和所述输出向量，利用公式二，获得所述高阶相似度；

所述公式二为：

其中，L_ae为所述高阶相似度，为输出向量的第i行数据，R_i为所述重构输入矩阵的第i行数据。

6.如权利要求5所述的方法，其特征在于，所述将所述表示向量输入所述预设相似度模型的二阶相似度模块，获得所述二阶相似度的步骤，包括：

将所述表示向量输入所述预设相似度模型的二阶相似度模块，以使所述二阶相似度模块利用公式三，对所述表示向量进行运算，获得所述二阶相似度；

所述公式三为：

其中，L_sg为所述二阶相似度，b为预设窗口的大小，c∈C表示从所述目标异构信息图中取节点进行计算，h′_i为预设权重矩阵H的第i行，其中，预设权重矩阵基于所述表示向量和所述输出向量获得。

7.如权利要求6所述的方法，其特征在于，所述将所述表示向量输入所述预设相似度模型的一阶相似度模块，获得所述一阶相似度的步骤，包括：

将所述表示向量输入所述预设相似度模型的一阶相似度模块，以使所述一阶相似度模块利用公式四，对所述表示向量进行运算，获得所述一阶相似度；

其中，ω_ij为联合概率，L_FoP为所述一阶相似度。