[发明专利]目标帐号的确定方法、装置、存储介质及电子装置

权利要求书

1.一种目标帐号的确定方法，其特征在于，包括：

根据获取到的种子帐号的第一帐号特征向量，对初始图卷积网络模型和初始输出层模型进行训练，得到训练后的目标模型，其中，所述初始图卷积网络模型包括多阶嵌入层模型，所述多阶嵌入层模型具有共享参数，在所述训练的过程中，作为输入给所述目标模型的输入帐号的特征向量包括所述种子帐号的第一帐号特征向量，所述输入帐号的特征向量是至少使用画像特征向量和交互特征向量表示的向量，所述画像特征向量用于指示所述输入帐号的属性特征，所述交互特征向量用于指示所述输入帐号与所述输入帐号的邻居帐号之间的交互特征，所述输入帐号的邻居帐号包括与所述输入帐号之间在目标场景中执行过交互操作的帐号；

通过训练后的所述目标模型确定待确定帐号与所述种子帐号之间的相似度，其中，在所述确定的过程中，作为输入给所述目标模型的所述输入帐号的特征向量包括所述待确定帐号的第二帐号特征向量，所述第二帐号特征向量是至少使用所述待确定帐号的画像特征向量和所述待确定帐号的交互特征向量表示的向量，所述目标模型的输出用于指示所述待确定帐号与所述种子帐号之间的相似度；

在所述待确定帐号中确定出所述相似度满足目标相似度条件的目标帐号。

2.根据权利要求1所述的方法，其特征在于，根据获取到的种子帐号的第一帐号特征向量训练目标模型包括：

获取所述种子帐号的所述第一帐号特征向量；

从除所述种子帐号之外的帐号中获取负样本帐号，并获取所述负样本帐号的第三帐号特征向量；

使用所述第一帐号特征向量训练所述目标模型，并使用所述第三帐号特征向量训练所述目标模型，其中，在所述训练的过程中，根据所述种子帐号所对应的第一目标输出与所述目标模型的输出之间的差值对所述目标模型的参数进行调整，并根据所述负样本帐号所对应的第二目标输出与所述目标模型的输出之间的差值对所述目标模型的参数进行调整。

3.根据权利要求2所述的方法，其特征在于，使用所述第一帐号特征向量训练所述目标模型，并使用所述第三帐号特征向量训练所述目标模型包括：

获取样本集合中每个帐号对应的网络图，其中，所述样本集合包括所述种子帐号和所述负样本帐号，所述网络图包括节点和边，所述节点为所述每个帐号所在的第一帐号集合中的帐号，所述边用于指示所述第一帐号集合中的帐号之间的交互关系，帐号之间的交互特征值高于目标特征值的帐号之间具有所述边，所述边的边权重为所述交互特征值，每个节点的特征向量为所述每个节点对应的帐号的帐号特征向量；

使用每个所述网络图训练初始图卷积网络模型，得到目标图卷积网络模型和所述每个节点的目标帐号特征向量；

使用所述每个节点的目标帐号特征向量训练初始输出层模型，得到目标输出层模型；

其中，在所述初始图卷积网络模型和所述初始输出层模型的训练的过程中，对所述初始图卷积网络模型的参数和所述初始输出层模型的参数进行调整，以使所述种子帐号对应的所述初始输出层模型的输出趋近于所述第一目标输出，并且所述负样本帐号对应的所述初始输出层模型的输出趋近于所述第二目标输出，训练后的所述目标模型包括所述目标图卷积网络模型和所述目标输出层模型。

4.根据权利要求3所述的方法，其特征在于，所述初始图卷积网络模型包括多阶嵌入层模型，所述多阶嵌入层模型具有共享参数，其中，根据每个所述网络图训练初始图卷积网络模型，得到目标图卷积网络模型和所述每个节点的目标帐号特征向量包括：

将每个所述网络图中节点的帐号特征向量作为所述多阶嵌入层模型中的第一阶嵌入层模型的输入信息，对所述多阶嵌入层模型进行迭代训练，得到具有目标共享参数的所述目标图卷积网络模型和所述每个节点的目标帐号特征向量；

其中，所述多阶嵌入层模型中下一阶嵌入层模型中每个所述网络图中目标节点的输入信息是至少使用所述目标节点在上一阶嵌入层模型的输出向量和每个所述网络图中除所述目标节点之外其他全部节点在上一阶嵌入层模型的输出向量表示的向量。