[发明专利]一种跨网络边分类方法、装置、设备及存储介质

权利要求书

1.一种跨网络边分类方法，其特征在于，包括：

将网络对应的信息集合输入跨网络边分类模型，以得到全部节点特征；所述全部节点特征包含源网络节点特征以及目标网络节点特征；

基于所述源网络节点特征以及预设节点分类损失函数公式计算，以得到节点分类损失函数；

基于所述源网络节点特征学习源网络注意力边权重，并基于所述源网络注意力边权重以及预设监督注意力损失函数公式计算监督注意力损失函数；

基于所述全部节点特征构建对应的边特征，并基于所述边特征、预设边分类损失函数公式、预设域分类损失函数公式获取对应的边分类损失函数以及域分类损失函数；

基于所述节点分类损失函数、所述监督注意力损失函数、所述边分类损失函数、所述域分类损失函数以及总体损失函数计算公式确定总体损失函数，并判断所述总体损失函数是否满足下降且收敛的预设条件；

若所述总体损失函数满足下降且收敛的所述预设条件，则获取收敛时的当前可学习参数集合对应的调整后跨网络边分类模型，以便利用所述调整后跨网络边分类模型对网络边进行预设分类操作。

2.根据权利要求1所述的跨网络边分类方法，其特征在于，所述将网络对应的信息集合输入跨网络边分类模型，以得到全部节点特征，包括：

获取源网络对应的第一信息集合以及目标网络对应的第二信息集合；所述第一信息集合以及所述第二信息集合均包含对应的网络中节点的节点属性以及邻接矩阵；所述第一信息集合包含节点真实标签信息；

将所述第一信息集合以及所述第二信息集合确定为所述信息集合；

将所述跨网络边分类模型的图编码器的第一处理层确定为当前处理层；

将所述信息集合输入所述当前处理层，以便基于所述信息集合、预设函数、第一注意力边权重以及预设节点特征计算公式计算第一节点特征；

判断所述当前处理层是否是所述图编码器最后一层；

若所述当前处理层不是所述图编码器最后一层，则将所述第一处理层的下一处理层确定为所述当前处理层；

将所述第一节点特征输入至所述当前处理层，以便基于所述第一节点特征、所述当前处理层对应的所述邻接矩阵、第二注意力边权重以及所述预设节点特征计算公式计算第二节点特征，并重新进入所述判断所述当前处理层是否是所述图编码器最后一层的步骤；

若所述当前处理层是所述图编码器最后一层，则将所述当前处理层输出的节点特征确定为所述全部节点特征。

3.根据权利要求2所述的跨网络边分类方法，其特征在于，所述基于所述源网络节点特征学习源网络注意力边权重，并基于所述源网络注意力边权重以及预设监督注意力损失函数公式计算监督注意力损失函数，包括：

确定当前源网络节点特征对应的所述当前处理层，并基于所述当前源网络节点特征学习当前源网络注意力边权重；

基于所述当前源网络注意力边权重、第一真实标签信息、预设参数以及预设监督注意力损失函数公式计算监督注意力损失函数；

将所述图编码器中每个处理层输出的所述监督注意力损失函数累加，以得到总的监督注意力损失函数。

4.根据权利要求3所述的跨网络边分类方法，其特征在于，所述基于所述边特征、预设边分类损失函数公式、预设域分类损失函数公式获取对应的边分类损失函数以及域分类损失函数，包括：

获取所述源网络以及所述目标网络对应的所述边特征，以得到当前边特征；

将所述当前边特征中的当前源网络边特征输入至所述跨网络边分类模型的边分类器，以便基于所述当前源网络边特征以及所述预设边分类损失函数公式计算所述边分类损失函数；

将所述当前边特征输入至所述跨网络边分类模型的域鉴别器，以便基于所述当前边特征以及所述预设域分类损失函数公式计算所述域分类损失函数。