[发明专利]用于分析关系网络图的神经网络系统和方法

权利要求书

1.一种通过计算机执行的、用于分析关系网络图的神经网络系统，包括：

特征提取层，用于提取关系网络图中的节点的特征，构成特征向量；所述关系网络图所包含的各个节点对应于各个用户，所述特征包括以下中的一种或多种：购买次数、购买品类、购买金额；

深度神经网络，用于对所述特征向量进行第一处理，得到第一输出；

图神经网络，用于结合所述关系网络图的邻接信息，对所述特征向量进行第二处理，得到第二输出；其中所述邻接信息用于表示所述关系网络图所包含的各个节点之间的连接关系，所述连接关系包括以下中的一种或多种：用户之间的社交关系、媒介关系和资金关系，其中媒介关系为两个用户使用同样的媒介而建立的关系，所述媒介包括以下中的任一种：加密后的银行卡、身份证、邮箱、户号、手机号、物理地址、终端设备号；

融合层，用于对所述第一输出和所述第二输出进行融合，基于融合结果输出针对所述节点所对应用户的购买意图的预测结果。

2.根据权利要求1所述的神经网络系统，其中所述关系网络图为有向图，所述邻接信息包括，所述有向图对应的邻接表或十字链表。

3.根据权利要求1所述的神经网络系统，其中所述邻接信息包括所述关系网络图的邻接矩阵。

4.根据权利要求3所述的神经网络系统，其中所述图神经网络为图卷积网络，所述图卷积网络包含多个网络层以进行所述第二处理，所述第二处理至少包括，使用所述邻接矩阵中的元素为权重因子，对所述节点及其邻居节点的特征向量进行加权求和操作。

5.根据权利要求1所述的神经网络系统，所述融合层具体用于，对所述第一输出和所述第二输出进行加权求和，其中所述第一输出对应第一权重因子，所述第二输出对应第二权重因子。

6.根据权利要求5所述的神经网络系统，其中所述第一权重因子是所述第一输出的函数，所述第二权重因子是所述第二输出的函数。

7.根据权利要求5所述的神经网络系统，其中所述第一权重因子与第二权重因子和为1，并且：

所述第一权重因子是所述第一输出的函数；或者，

所述第二权重因子是所述第二输出的函数。

8.根据权利要求5所述的神经网络系统，其中所述第一权重因子与第二权重因子和为1，并且：

所述第一权重因子是所述第一输出和第二输出的函数；或者，

所述第二权重因子是所述第一输出和第二输出的函数。

9.根据权利要求1所述的神经网络系统，所述神经网络系统通过端到端方式训练。

10.一种通过计算机执行的、用于分析关系网络图的神经网络系统，包括：

特征提取层，用于提取关系网络图中的节点的特征，构成特征向量；所述关系网络图所包含的各个节点对应于各个用户，所述特征包括以下中的一种或多种：借贷次数、借贷金额、已还款金额、守信次数、逾期次数；

深度神经网络，用于对所述特征向量进行第一处理，得到第一输出；

图神经网络，用于结合所述关系网络图的邻接信息，对所述特征向量进行第二处理，得到第二输出；其中所述邻接信息用于表示所述关系网络图所包含的各个节点之间的连接关系，所述连接关系包括以下中的一种或多种：用户之间的社交关系、媒介关系和资金关系，其中媒介关系为两个用户使用同样的媒介而建立的关系，所述媒介包括以下中的任一种：加密后的银行卡、身份证、邮箱、户号、手机号、物理地址、终端设备号；

融合层，用于对所述第一输出和所述第二输出进行融合，基于融合结果输出针对所述节点所对应用户的借贷风险的预测结果。