[发明专利]分析结果的生成方法、装置、设备及可读存储介质

说明书

本申请公开了一种分析结果的生成方法、装置、设备及可读存储介质，涉及机器学习领域。该方法包括：获取目标异质图的异质图结构，异质图结构中包括节点数据和边数据；确定节点数据对应的初始节点特征，以及边数据对应的语义方面；以异质图结构为随机变量，语义方面为隐变量，对初始节点特征进行嵌入，得到目标异质图的异质图特征，异质图特征中包括更新语义特征和更新节点特征。以语义方面为隐变量，从而对异质图进行嵌入处理，从异质图中获取隐含的语义，从而对节点特征向量和语义特征向量进行更新，避免通过设置元路径的方式更新节点特征，提高了节点特征的更新效率，在下游分析结果的生成中的执行准确度更高。

技术领域

本申请实施例涉及机器学习领域，特别涉及一种分析结果的生成方法、装置、设备及可读存储介质。

背景技术

图嵌入是一种将属性图转换为向量或向量集的算法，异质图是一种包含多种类型的节点，以及包含多种类型的边的图数据结构，也即，异质图嵌入是指将异质图的结构以及语义信息表示为节点向量的算法，最终得到的更新后的节点特征在嵌入空间中满足语义相关的节点彼此接近，语义无关的节点彼此远离。

相关技术中，通过设置元路径的方式对异质图进行嵌入，其中，元路径用于表示特定语义含义的节点类型序列，由开发人员根据领域知识预定义，利用元路径指导在异质图上的随即游走，得到符合元路径的正样本和不符合元路径的负样本，将正样本和负样本输入特征嵌入模型中，从而更新节点特征。

然而，由于人工定义的元路径的数量有限，无法覆盖一些潜在的、复杂的节点语义相关性，导致节点特征表达存在欠缺，节点特征的更新准确率较差。

发明内容

本申请实施例提供了一种分析结果的生成方法、装置、设备及可读存储介质，能够提高节点特征的更新准确率。所述技术方案如下：

一方面，提供了一种分析结果的生成方法，所述方法包括：

获取目标异质图的异质图结构，所述异质图结构中包括节点数据和边数据；

确定所述节点数据对应的初始节点特征和所述边数据对应的语义方面；

以所述异质图结构为随机变量，所述语义方面为隐变量，对所述初始节点特征进行嵌入，得到所述目标异质图的异质图特征，所述异质图特征中包括更新语义特征和更新节点特征；

对所述更新语义特征和所述更新节点特征进行分析，生成与所述节点数据对应的分析结果。

另一方面，提供了一种分析结果的生成装置，所述装置包括：

获取模块，用于获取目标异质图的异质图结构，所述异质图结构中包括节点数据和边数据，所述节点数据对应有初始节点特征，所述边数据对应有语义方面；

确定模块，用于确定所述节点数据对应的初始节点特征和所述边数据对应的语义方面；

嵌入模块，用于以所述异质图结构为随机变量，所述语义方面为隐变量，对所述初始节点特征进行嵌入，得到所述目标异质图的异质图特征，所述异质图特征中包括更新语义特征和更新节点特征；

分析模块，用于对所述更新语义特征和所述更新节点特征进行分析，生成与所述节点数据对应的分析结果。

另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中任一所述分析结果的生成方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上述本申请实施例中任一所述的分析结果的生成方法。