[发明专利]一种训练样本的生成方法、装置、存储介质及电子设备

权利要求书

1.一种训练样本的生成方法，包括：

获取图中的节点，作为采样节点，确定所述采样节点连接的各边，并确定由所述各边构成的待采样边集；

采用预设的划分策略，构建以所述待采样边集为根节点、以所述待采样边集中的每个边作为叶子节点的二叉树；

根据所述各边的权重，生成随机数，并根据所述二叉树中每个节点中包含的边的权重以及所述随机数，确定所述随机数所命中的叶子节点，将所述叶子节点中包含的边作为采样边；

在所述二叉树中删除所述采样边，以更新所述二叉树，并重新生成随机数，根据更新后的二叉树以及重新生成的随机数继续确定采样边，直到满足第一采样结束条件时，将由所述图中所述采样节点、所述采样边以及与所述采样边连接的节点构成的子图作为生成的训练样本，所述训练样本用于输入待训练的图神经网络，以对所述待训练的图神经网络进行训练。

2.如权利要求1所述的方法，采用预设的划分策略，构建以所述待采样边集为根节点、以所述待采样边集中的每个边作为叶子节点的二叉树，具体包括：

将所述待采样边集作为父节点；

根据预设的划分策略，将所述待采样边集划分为两个子边集，作为所述父节点的两个子节点；

针对每个子节点，将所述子节点重新作为父节点，以将重新确定的父节点继续进行划分，直至每个划分出的子节点中只包含一条边为止。

3.如权利要求1所述的方法，生成随机数，具体包括：

确定所述待采样边集中边的最小权重，以及所述待采样边集中边的权重之和；

在所述最小权重至所述权重之和的范围内，生成随机数。

4.如权利要求3所述的方法，根据所述二叉树中每个节点中包含的边的权重以及所述随机数，确定所述随机数所命中的叶子节点，具体包括：

将所述二叉树中的根节点作为待采样节点；

针对所述待采样节点的每个子节点，确定该子节点中包含的边的权重之和，作为该子节点的节点权重；

确定所述待采样节点的每个子节点的节点权重中的较小权重；

判断所述随机数是否不大于所述较小权重；

若是，将所述较小权重对应的子节点确定为所述随机数所命中的子节点；否则，将较大权重对应的子节点确定为所述随机数所命中的子节点，并将所述随机数与所述较小权重的差值重新确定为随机数；

将所述随机数所命中的子节点重新作为待采样节点，直至所述随机数命中叶子节点为止。

5.如权利要求1所述的方法，在所述二叉树中删除所述采样边，以更新所述二叉树，具体包括：

确定所述二叉树的节点中包含所述采样边的节点，作为更新节点；

将所述更新节点中包含的所述采样边删除，以更新所述二叉树。

6.如权利要求1所述的方法，在所述二叉树中删除所述采样边之前，所述方法还包括：

确定当前得到的采样边不满足第二采样结束条件；

若当前得到的采样边满足所述第二采样结束条件，则所述方法还包括：

针对每个采样边，在所述图中确定该采样边连接的节点，将该节点重新作为采样节点，并根据重新确定出的采样节点继续确定采样边，直至满足第一采样结束条件。

7.如权利要求1所述的方法，在获取图中的节点之前，所述方法还包括：

以各样本用户为节点，以各样本用户之间的关系为边，生成图；

在对所述待训练的图神经网络进行训练之后，所述方法还包括：

以各待预测用户为节点，以各待预测用户之间的关系为边，生成所述各待预测用户对应的拓扑图；

针对至少一个待预测用户，根据该待预测用户在所述拓扑图中对应的节点，确定该待预测用户对应的子图；

将该待预测用户对应的子图输入训练后的图神经网络，得到所述训练后的图神经网络输出的该待预测用户是否为目标用户的结果。