[发明专利]分布式计算方法及分布式计算系统

权利要求书

1.一种分布式计算方法，用于运行用来分析图结构的深度学习模型，包括：

通过分布式计算系统中的至少一个计算设备执行所述图结构的图嵌入向量更新操作，其中所述图结构包括多个节点，每个节点同至少一个相邻节点通过边相连，

其中所述图嵌入向量更新操作包括，对所述图结构中的每个目标节点：

获取所述图结构中目标节点的目标图嵌入向量值，其中所述目标图嵌入向量值与所述目标节点对应的边的初始边图嵌入向量相关，

从所述分布式计算系统中的至少一个关联计算设备接收相邻目标图嵌入向量，所述相邻目标图嵌入向量为所述目标节点的至少一个相邻节点的目标图嵌入向量，所述关联计算设备为所述分布式计算系统中对所述目标相邻节点执行操作的计算设备，

基于所述目标图嵌入向量和相邻目标图嵌入向量，通过运行所述深度学习模型中的运算模块来生成迭代后的目标图嵌入向量，以及

反复执行所述更新操作直至所述目标图嵌入向量被迭代预设次数，其中所述深度学习模型包括基于所述图结构的目标指标评估模型，所述运算模块为所述深度学习模型中决定所述目标节点的目标图嵌入向量值的部分；以及

将所述迭代后的目标图嵌入向量发送给所述关联计算设备。

2.如权利要求1中所述的方法，其中，所述运算模块至少包括：

图神经网络模型中的至少一层；

图卷积神经网络模型中的至少一层；和/或

图注意网络模型中的至少一层。

3.如权利要求1中所述的方法，其中，所述目标图嵌入向量包括预设维度的浮点数向量。

4.如权利要求1中所述的方法，其中，所述获取图结构中目标节点的目标图嵌入向量包括，通过所述分布式计算系统中的至少一个计算设备：

获取所述目标节点的初始节点图嵌入向量；

获取所述目标节点对应的边的所述初始边图嵌入向量；

基于所述初始节点图嵌入向量和所述初始边图嵌入向量，通过运行所述初始化模块来生成所述目标节点的初始目标图嵌入向量；以及

将所述初始目标图嵌入向量当做所述目标图嵌入向量。

5.如权利要求4中所述的方法，其中：

所述获取所述目标节点的初始图嵌入向量包括：获取所述目标节点的特征数据，以及基于所述目标节点的特征数据生成所述目标节点的所述初始图嵌入向量；以及

所述获取所述目标节点对应的边的初始边图嵌入向量包括：获取所述目标节点对应的边特征数据，以及基于所述边特征数据生成所述初始边图嵌入向量。

6.如权利要求1中所述的方法，还包括通过所述分布式计算系统中的所述至少一个计算设备：

执行预设次数的图嵌入向量更新操作，生成目标节点的最终图嵌入向量。

7.如权利要求6中所述的方法，其中，所述深度学习模型还包括评估模块，被配置为将所述目标图嵌入向量转化成所述图结构中的相应节点的所述目标指标的评分；以及

所述方法还包括：

基于所述最终图嵌入向量运行所述评估模块，生成相应于所述最终图嵌入向量的目标指标评分；以及

输出所述目标指标评分。

8.如权利要求1中所述的方法，其中，所述评估模块包括至少一个神经网络的全连接层。

9.如权利要求1中所述的方法，其中，所述目标指标包括所述图结构中每个节点的交易风险指数、欺诈风险、每个节点的异常交易指标、某用户的消费习惯、或者某节点相关的商家的推荐级别中的至少一个。