[发明专利]训练图编码网络、预测交互事件的方法及装置

说明书

本说明书实施例提供一种图编码网络的训练和使用方法及装置。在该训练方法中，首先基于交互事件序列构建动态交互图，从中选择构成节点对的第一节点和第二节点。利用图编码网络，对第一节点进行编码，得到第一节点的表征向量；对于第二节点，则确定其对应的结构子图，并利用图编码网络，对结构子图中的多个关联节点进行编码，然后基于该关联节点的编码向量，确定出该结构子图的图表征向量。由此可以确定预测损失，其与第一节点的表征向量和上述图表征向量之间的相似度负相关。然后，以减小预测损失为目标，更新图编码网络。

技术领域

本说明书一个或多个实施例涉及机器学习领域，尤其涉及训练图编码网络，以及利用训练的图编码网络来预测交互事件的方法和装置。

背景技术

在许多场景下，需要对用户交互事件进行分析和处理。交互事件是互联网事件的基本组成元素之一，例如，用户浏览页面时的点击行为，可以视为用户与页面内容区块之间的交互事件，电商中的购买行为可以视为用户与商品之间的交互事件，账户间转账行为则是用户与用户之间的交互事件。用户的一系列交互事件中蕴含了用户的细粒度习惯偏好等特点，以及交互对象的特点，是机器学习模型的重要特征来源。因此，在许多场景下，希望根据交互事件对交互参与方进行特征表达和建模，进而对交互对象和事件进行分析，特别是对交互事件的安全性进行分析，从而保障交互平台的安全性。

然而，交互事件涉及交互双方，并且各个参与方本身的状态可以是动态变化的，因此，综合考虑交互参与方的多方面特点对其进行准确的特征表达非常困难。由此，希望能有改进的方案，更为有效地对交互对象和交互事件进行分析处理。

发明内容

本说明书一个或多个实施例描述了一种训练图编码网络的方法和装置，其中基于动态交互图，利用图结构对比学习的方式，训练得到图编码网络，从而可以更准确地针对节点进行编码表征，进而更有效地进行交互预测。

根据第一方面，提供了一种训练图编码网络的方法，所述方法包括：

获取动态交互图，其中包括多个节点对，每个节点对对应于一个交互事件，其中的两个节点分别表示参与该交互事件的两个对象，任意节点通过连接边指向该节点所代表的对象参与的上一交互事件对应的两个节点；

从所述动态交互图中选择构成节点对的第一节点和第二节点；

利用所述图编码网络，对所述第一节点进行编码，得到第一节点表征向量；

确定第二节点对应的第二结构子图，其中包括多个第二关联节点；

利用所述图编码网络，对所述多个第二关联节点进行编码，得到多个第二关联表征向量；

基于该多个第二关联表征向量，确定所述第二结构子图的第二图表征向量；

确定第一损失，其与所述第一节点表征向量和所述第二图表征向量之间的相似度负相关；

以减小所述第一损失为目标，更新所述图编码网络。

根据一种实施方式，利用图编码网络对所述第一节点进行编码，具体包括：将所述第一节点作为目标节点，根据第一子图确定规则，确定出第一编码子图；其中，所述第一子图确定规则包括，在所述动态交互图中确定出以目标节点为根节点，经由连接边到达的预定范围的节点所构成的子图；将所述第一编码子图输入所述图编码网络，所述图编码网络根据所述第一编码子图中的节点以及节点之间的连接关系，输出根节点的隐向量作为所述第一节点表征向量。

进一步的，在具体实施例中，上述预定范围的节点可以包括：预设数目K条连接边之内的节点；和/或，交互时间在预设时间范围内的节点。

在一个实施例中，确定第二节点对应的第二结构子图，具体包括：将第二节点作为目标节点，根据上述第一子图确定规则，确定出对应的子图作为所述第二结构子图。