[发明专利]针对动态图训练图模型的方法及装置

权利要求书

1.一种针对动态图训练图模型的方法，所述动态图是包含与时间相关的实体状态变化信息的图数据，所述方法包括：

获取第一实体对应第一时间点的第一表达向量和对应第二时间点第二表达向量，所述第一时间点和所述第二时间点之间的第一时间差小于预定阈值，所述第一表达向量及所述第二表达向量基于所述图模型分别针对所述动态图在第一时间点的第一子图、在第二时间点的第二子图进行的处理确定；

通过第一时间表征模型确定所述第一时间差对应的第一时间表征向量；

基于所述第一时间表征向量确定所述第一表达向量和所述第二表达向量之间的f-信息；

以所述f-信息最大化为目标确定模型损失，并向着模型损失减小的方向调整所述图模型及所述第一时间表征模型中的各个待定参数。

2.根据权利要求1所述的方法，其中，所述第一子图/所述第二子图按照如下方式从所述动态图中抽取：

基于所述第一时间点/所述第二时间点按照时间倒序追溯所述第一实体的k个状态变化；

结合所述k个状态变化所涉及的其他实体，抽取所述第一子图/所述第二子图。

3.根据权利要求2所述的方法，其中，所述结合所述k个状态变化所涉及的其他实体，抽取所述第一子图/所述第二子图包括：

利用所涉及的其他实体确定所述第一子图/所述第二子图中对应于所述第一实体的第一节点的至少一个一阶邻居节点；

根据所述至少一个一阶邻居节点各自按照时间倒序的n个状态变化，为所述第一节点从所述动态图抽取所述第一节点至多n+1阶的邻居节点，得到所述第一子图/所述第二子图，n小于或等于k。

4.根据权利要求1所述的方法，其中，在第一子图/第二子图中，各个实体对应各个节点，具有直接和/或间接连接关系的节点互为邻居节点，所述第一实体对应第一节点，各个节点分别对应各个当前表达向量；针对第一子图/第二子图，所述图模型通过以下方式处理第一子图/第二子图得到所述第一表达向量/所述第二表达向量：

针对所述第一节点的各个邻居节点，分别确定相应的基于时间的当前融合向量，单个邻居节点的当前融合向量经由其当前表达向量与相应的单个时间表征向量融合得到，所述单个时间表达向量经由第二时间表征模型处理相应的实体状态变化信息对应的时间点与所述第一时间点/所述第二时间点之间的时间间隔确定；

基于对所述第一节点的各个邻居节点的当前融合向量的融合，得到所述第一表达向量/所述第二表达向量。

5.根据权利要求4所述的方法，其中，所述第二时间表征模型和所述第一时间表征模型具有一致的结构，以及彼此之间相互独立的待定参数。

6.根据权利要求1所述的方法，其中，所述第一时间表征模型通过m个维度的周期函数构建第一时间表征向量。

7.根据权利要求6所述的方法，其中，所述周期函数为正弦函数、余弦函数中的至少一个，在m为偶数的情况下，所述第一时间表征向量包括m/2维的正弦函数和m/2维的余弦函数，其中，单个正弦函数和单个余弦函数相对应，且对应的角度均由所述第一时间差和相应的单个待定参数确定。

8.根据权利要求1所述的方法，其中，所述f-信息为基于所述第一表达向量和所述第二表达向量之间的相似性的判别结果构建的互信息；所述基于所述第一时间表征向量确定所述第一表达向量和所述第二表达向量之间的f-信息包括：

基于所述第一时间表征向量确定所述第一表达向量和所述第二表达向量的相似度；

利用预定判别函数处理所述相似度，以得到所述判别结果；

根据所述判别结果确定所述第一表达向量和所述第二表达向量之间的互信息作为所述f-信息。

9.根据权利要求8所述的方法，其中，所述相似度通过以下方式确定：

经由第一参数矩阵对所述第一时间表征向量的处理结果，确定所述第一表达向量和所述第二表达向量各个维度分别对应的各个重要程度；

根据各个重要程度，对所述第一表达向量和所述第二表达向量相应维度元素乘积加权求和，得到所述相似度。