[发明专利]企业上下游关系识别模型建立、关系挖掘的方法及装置

权利要求书

1.一种企业上下游关系识别模型建立的方法，包括：

获取企业网络样本；

对所述企业网络样本进行节点嵌入向量表达计算，得到用于表达企业节点结构特征的向量；

将所述企业节点的向量输入图神经网络模型进行迭代，所述图神经网络模型在迭代过程中，使用企业节点上下游关系特征进行企业节点上下游关系识别的训练，其中，所述企业节点上下游关系特征包括企业节点的特征表达、企业节点的邻居节点的特征表达以及企业节点与邻居节点之间关系的特征表达；

迭代结束，得到训练后的图神经网络模型。

2.根据权利要求1所述的方法，所述对所述企业网络样本进行节点嵌入向量表达计算，得到用于表达企业节点结构特征的向量包括：

使用node2vec算法对所述企业网络样本进行节点嵌入向量表达计算，得到用于表达企业节点结构特征的向量。

3.根据权利要求1所述的方法，还包括：

根据所述企业节点的企业属性，生成用于表达所述企业节点属性特征的向量；

将用于表达所述企业节点结构特征的向量与用于表达所述企业节点属性特征的向量进行组合，得到所述企业节点的向量。

4.根据权利要求1所述的方法，所述将所述企业节点的向量输入图神经网络模型进行迭代包括：

将所述企业节点的向量输入基于注意力机制的广度自适应函数进行聚合，得到所述企业节点聚合的邻居节点下一迭代过程的聚合特征表达；

将所述企业节点的向量以及所述企业节点聚合的邻居节点下一迭代过程的聚合特征表达输入基于LStM算子的深度自适应函数，得到所述企业节点下一迭代过程的特征表达；

将下一迭代过程更新为当前迭代过程；

将所述企业节点当前迭代过程的特征表达，所述企业节点的邻居节点的当前迭代过程的特征表达、以及，所述企业节点与邻居节点之间关系的特征表达进行组合，形成所述企业节点上下游关系特征；

通过全连接层对所述企业节点上下游关系特征进行判别，得到所述企业节点的上下游关系的识别结果；

判断所述识别结果是否满足损失最小；

在满足损失最小的情况下，进入所述迭代结束，得到训练后的图神经网络模型的步骤；

在不满足损失最小的情况下，更新所述图神经网络模型的参数，将所述企业节点当前迭代过程的特征表达输入基于注意力机制的广度自适应函数进行聚合，得到所述企业节点聚合的邻居节点下一迭代过程的聚合特征表达；将所述企业节点当前迭代过程的特征表达以及所述企业节点聚合的邻居节点下一迭代过程的聚合特征表达输入基于LStM算子的深度自适应函数，得到所述企业节点下一迭代过程的特征表达；重新进入所述将下一迭代过程更新为当前迭代过程的步骤。

5.一种企业上下游关系识别模型建立的装置，包括：

样本获取模块，被配置为获取企业网络样本；

样本向量计算模块，被配置为对所述企业网络样本进行节点嵌入向量表达计算，得到用于表达企业节点结构特征的向量；

模型迭代模块，被配置为将所述企业节点的向量输入图神经网络模型进行迭代，所述图神经网络模型在迭代过程中，使用企业节点上下游关系特征进行企业节点上下游关系识别的训练，其中，所述企业节点上下游关系特征包括企业节点的特征表达、企业节点的邻居节点的特征表达以及企业节点与邻居节点之间关系的特征表达；迭代结束，得到训练后的图神经网络模型。

6.根据权利要求5所述的装置，所述样本向量计算模块被配置为使用node2vec算法对所述企业网络样本进行节点嵌入向量表达计算，得到用于表达企业节点结构特征的向量。

7.根据权利要求5所述的装置，还包括：

样本属性特征计算模块，被配置为根据所述企业节点的企业属性，生成用于表达所述企业节点属性特征的向量；

样本向量组合模块，被配置为将用于表达所述企业节点结构特征的向量与用于表达所述企业节点属性特征的向量进行组合，得到所述企业节点的向量。