[发明专利]用于表示异构图节点的模型生成方法及装置

说明书

本申请公开了用于表示异构图节点的模型生成方法及装置，涉及自然语言处理、知识图谱、深度学习领域。具体实现方案为：获取训练数据集，其中，训练数据集包括根据不同的元路径对异构图进行采样得到的节点游走路径信息；基于梯度下降算法，将训练数据集作为初始异构图节点表示模型的输入，训练初始异构图节点表示模型，得到异构图节点表示模型。本方案采用多种元路径相结合的方式，可以获取不同元路径的语义信息，解决了基于一种元路径的节点表示方法会丢失异构图的路径信息的问题，增强了针对异构图的节点表示能力。

技术领域

本公开的实施例涉及计算机技术领域，具体涉及自然语言处理、知识图谱、深度学习技术，为一种用于表示异构图节点的模型生成方法及装置。

背景技术

目前，图网络表示技术被广泛应用，例如节点分类、链路预测、社区检测等。现实中，存在大量的异构图，异构图中包括多种节点类型和边的类型。为了学习出不同类型节点的语义信息，针对异构图的图网络表示技术采用的方法一般为：通过元路径采样得到不同的实例游走序列，将实例游走序列当成句子序列，通过词嵌入模型的训练方法对游走序列进行训练，最终得到异构图节点的表示结果。这种节点表示学习方法只使用了一种元路径，丢失了其它元路径的语义信息，导致最终的优化是一个次优的结果。

发明内容

本申请提供了一种用于表示异构图节点的模型生成的方法、装置、设备以及存储介质。

根据第一方面，本申请提供了一种用于表示异构图节点的模型生成方法，包括：获取训练数据集，其中，训练数据集包括根据不同的元路径对异构图进行采样得到的节点游走路径信息；基于梯度下降算法，将训练数据集作为初始异构图节点表示模型的输入，训练初始异构图节点表示模型，得到异构图节点表示模型。

根据第二方面，本申请提供了一种用于表示异构图节点的模型生成装置，包括：第一获取单元，被配置成获取训练数据集，其中，训练数据集包括根据不同的元路径对异构图进行采样得到的节点游走路径信息；训练单元，被配置成基于梯度下降算法，将训练数据集作为初始异构图节点表示模型的输入，训练初始异构图节点表示模型，得到异构图节点表示模型。

根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述第一方面中任一项的方法。

根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行上述第一方面中任一项的方法。

根据本申请的技术采用多种元路径相结合的方式，可以获取不同元路径的语义信息，解决了基于一种元路径的节点表示方法会丢失异构图的路径信息的问题，增强了针对异构图的节点表示能力。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于表示异构图节点的模型生成方法的一个实施例的流程图；

图3是根据本公开的异构图的说明性示意图；

图4是根据本公开的用于表示异构图节点的模型生成方法的一个应用场景的示意图；

图5是根据本公开的用于表示异构图节点的模型生成方法的又一个实施例的流程图；

图6是根据本公开的用于表示异构图节点的模型生成装置的一个实施例的结构示意图；