[发明专利]图谱中边类型的识别方法、装置、设备及存储介质

权利要求书

1.一种图谱中边类型的识别方法，包括：

获取待处理的图谱中各个节点分别对应的第一特征,其中,所述图谱用于表示论文引用关系图，所述图谱中的每个节点表示一篇论文，所述节点之间的边表示论文的引用关系；

根据每个所述节点分别对应的第一特征、及每个类型边在图神经网络模型中对应的第一层模型参数，计算每个所述节点分别在各类型边对应空间中的向量；

根据每个所述节点分别对应的向量，计算所述图谱中每个边属于各类型边的概率；

根据所述每个边属于各类型边的概率，确定每个所述节点在图神经网络第二层中的第二特征，重复上述过程，直至获取所述图神经网络输出的特征,其中,根据任一节点对应的各个连接边分别属于L类型边的概率、及通过所述各个连接边与所述任一节点连接的另一节点对应的向量，确定所述任一节点在所述L类型边的第二子特征；根据所述任一节点在各个类型边的第二子特征，确定所述任一节点在所述第二层中的第二特征；

根据所述图神经网络输出的特征，确定所述图谱中各个边的类型。

2.如权利要求1所述的方法，其中，所述根据所述每个边属于各类型边的概率，确定每个所述节点在图神经网络第二层中的第二特征，包括：

根据任一节点对应的各个连接边分别属于L类型边的概率的大小，确定所述任一节点对应的各个连接边中属于所述L类型的边；

根据通过所述各个连接边中属于所述L类型的边，与所述任一节点连接的另一节点对应的向量，确定所述任一节点在所述L类型边的第二子特征；

根据所述任一节点在各个类型边的第二子特征，确定所述任一节点在所述第二层中的第二特征。

3.如权利要求1或2所述的方法，其中，所述图神经网络模型包括N层，N为大于2的正整数，所述根据所述任一节点在各个类型边的第二子特征，确定所述任一节点在所述第二层中的第二特征，包括：

将所述任一节点在各个类型边的第二子特征进行拼接，以确定所述任一节点在所述第二层中的第二特征。

4.如权利要求1或2所述的方法，其中，所述图神经网络模型包括2层，所述根据所述任一节点在各个类型边的第二子特征，确定所述任一节点在所述第二层中的第二特征，包括：

根据所述任一节点在各个类型边的第二子特征的均值，确定所述任一节点在所述第二层中的第二特征。

5.如权利要求1-2任一所述的方法，其中，每个类型边对应的向量空间包括：查询向量空间及键向量空间，所述根据每个所述节点分别对应的向量值，计算所述图谱中每个边属于各类型边的概率，包括：

根据节点m在K种类型边对应的查询向量、及节点n在第K种类型边对应的键向量，计算由所述节点m指向所述节点n的边属于第K种类型边的概率，其中，m、n和K均为自然数。

6.如权利要求5所述的方法，其中，所述每个类型边对应的向量空间还包括：值向量空间，所述根据所述每个边属于各类型边的概率，确定每个所述节点在图神经网络第二层中的第二特征，包括：

根据任一节点对应的各个连接边分别属于L类型边的概率、及通过所述各个连接边与所述任一节点连接的另一节点对应的值向量，确定所述任一节点在所述L类型边的第二子特征；

根据所述任一节点在各个类型边的第二子特征，确定所述任一节点在所述第二层中的第二特征。

7.如权利要求5所述的方法，其中，所述每个类型边对应的向量空间还包括：值向量空间，所述根据所述每个边属于各类型边的概率，确定每个所述节点在图神经网络第二层中的第二特征，包括：

根据任一节点对应的各个连接边分别属于L类型边的概率的大小，确定所述任一节点对应的各个连接边中属于所述L类型的边；

根据通过所述各个连接边中属于所述L类型的边，与所述任一节点连接的另一节点对应的值向量，确定所述任一节点在所述L类型边的第二子特征；

根据所述任一节点在各个类型边的第二子特征，确定所述任一节点在所述第二层中的第二特征。