[发明专利]一种基于事件的图神经网络训练方法及装置

权利要求书

1.一种基于事件的图神经网络训练方法，所述方法包括：

确定目标时段内发生的目标事件，针对每个目标事件，确定所述目标事件的事发时间以及参与所述目标事件的涉事对象；

针对参与所述目标事件的每个涉事对象，基于所述目标时段内发生在所述事发时间之前的目标事件，生成所述涉事对象在所述事发时间的事件图；

基于涉事对象、事发时间以及所述涉事对象在所述事发时间的事件图，确定所述目标事件下所述涉事对象的事件三元组，得到各个目标事件下涉事对象的事件三元组；

采用各个目标事件下涉事对象的事件三元组训练图神经网络。

2.根据权利要求1所述的方法，所述生成所述涉事对象在所述事发时间的事件图，包括：

针对待生成事件图的所述涉事对象，基于所述目标时段内发生在所述事发时间之前的目标事件，确定所述涉事对象的邻居对象；所述邻居对象与所述涉事对象之间的连接路径的阶数不超出预设的阶数阈值；

基于所述涉事对象、所述涉事对象的邻居对象以及所述涉事对象与所述邻居对象之间的连接路径，生成所述涉事对象在所述事发时间的事件图。

3.根据权利要求1所述的方法，所述采用各个目标事件下涉事对象的事件三元组训练图神经网络，包括：

针对每个事件三元组，生成所述事件三元组的正样本和负样本；

基于所述正样本和所述负样本，采用对比学习的方式对所述图神经网络进行训练。

4.根据权利要求3所述的方法，所述生成所述事件三元组的正样本，包括：

基于所述事件三元组中的事发时间，确定正样本时间；所述正样本时间在所述事发时间之前；

基于所述目标时段内发生在所述正样本时间之前的目标事件，生成所述涉事对象在所述正样本时间的正样本事件图；

基于涉事对象、正样本时间以及所述涉事对象在所述正样本时间的正样本事件图，确定所述事件三元组的正样本。

5.根据权利要求3所述的方法，所述采用对比学习的方式对所述图神经网络进行训练，包括：

选取本轮迭代的锚点事件三元组，并基于上一轮迭代调整得到的图神经网络获取所述锚点事件三元组的特征向量；

确定所述锚点事件三元组的正样本的特征向量、以及所述锚点事件三元组的负样本的特征向量；

基于所述锚点事件三元组的特征向量、以及所述正样本的特征向量和所述负样本的特征向量，确定本次迭代中所述图神经网络的损失函数是否收敛；所述损失函数以锚点事件三元组与正样本的特征向量相似度最大化，与负样本的特征向量相似度最小化为收敛目标构建；

若不收敛，则对所述图神经网络的模型参数进行调整并进入本轮迭代的下一次迭代；

若收敛，则结束本轮迭代，重新选取新的锚点事件三元组并进入下一轮迭代。

6.根据权利要求5所述的方法，预先设置有负样本队列，所述负样本队列中存储有多个事件三元组的特征向量；

所述确定所述锚点事件三元组的负样本的特征向量，包括：

从所述负样本队列中选取用作所述锚点事件三元组的负样本的特征向量；

所述方法还包括：

在确定本次迭代中所述图神经网络的损失函数收敛后，采用本次迭代中获取到的所述锚点事件三元组的特征向量对所述负样本队列中的特征向量进行更新。

7.根据权利要求6所述的方法，所述图神经网络的损失函数的构建过程，包括：

基于负样本队列中事件三元组的特征向量与锚点事件三元组的特征向量之间的相似度，确定所述负样本队列中事件三元组的负样本有效因子；

基于所述负样本有效因子，确定所述负样本队列中事件三元组的概率分布；

采用所述负样本队列中事件三元组的概率分布以及正样本的概率分布，对所述图神经网络原始的损失函数中负样本的概率分布进行换算，得到修正后的损失函数，以降低从负样本队列中选取锚点事件三元组的负样本的取样偏差并引入负样本的强弱性。