[发明专利]信息预测模型训练方法及装置、信息预测方法及装置

权利要求书

1.一种信息预测模型训练方法，其特征在于，包括：

获取样本数据，所述样本数据包括多个样本企业的企业信息、行业/产业体系信息、地域体系信息；

基于所述样本数据构建每个样本企业的子图数据，得到带有训练标签的多个子图数据，所述训练标签用于表征与信息预测模型输出的预测信息对应的真实信息；

确定每个子图数据的编码数据；

使用每个子图数据的编码数据对信息预测模型进行模型训练。

2.根据权利要求1所述的信息预测模型训练方法，其特征在于，所述使用每个子图数据的编码数据对信息预测模型进行训练，包括：

将每个子图数据的编码数据输入所述信息预测模型中进行链接预测，得到每个子图数据的预测标签；

基于每个子图数据的预测标签和训练标签对所述信息预测模型的参数进行调整。

3.根据权利要求1所述的信息预测模型训练方法，其特征在于，所述编码数据包括语义编码数据和结构编码数据；

针对每个子图数据，确定子图数据的编码数据的具体实现方式均有：对所述子图数据进行语义编码，得到语义编码数据；对所述子图数据进行结构编码，得到结构编码数据，

其中，每个子图数据包括至少一个三元组，其中，所述至少一个三元组中的每个三元组包括第一实体、第二实体、所述第一实体与所述第二实体之间的实体关系。

4.根据权利要求3所述的信息预测模型训练方法，其特征在于，所述对所述子图数据进行语义编码，得到语义编码数据，包括：

确定所述子图数据的实体集合，其中，所述实体集合包括所述子图数据的所有三元组包括的第一实体和第二实体；

遍历所述实体集合中的实体，将每个实体分别进行编码，得到每个实体的特征向量；

基于每个实体的特征向量确定所述子图数据的特征向量，将所述子图数据的特征向量作为所述语义编码数据。

5.根据权利要求3所述的信息预测模型训练方法，其特征在于，所述对所述子图数据进行结构编码，得到结构编码数据，包括：

将所述子图数据包括的每个第一实体、每个第二实体以及每个实体关系转换为编码；

基于转换得到的编码构建所述子图数据的第一实体和第二实体的双向关系列表，将所述双向关系列表作为所述结构编码数据；

其中，所述双向关系列表包括第一实体相对于第二实体的关系的第一关系列表与第二实体相对于第一实体的关系的第二关系列表。

6.一种信息预测方法，其特征在于，包括：

获取待预测企业的目标数据，其中，所述目标数据包括关于所述待预测企业的企业信息、行业/产业体系信息、地域体系信息；

基于所述目标数据构建所述待预测企业的子图数据；

确定所述子图数据的编码数据；

将所述编码数据输入到信息预测模型中进行链接预测，得到所述待预测企业的预测标签，所述预测标签用于表征所述待预测企业的预测信息。

7.一种信息预测模型训练装置，其特征在于，包括：

样本数据获取单元，被配置为获取样本数据，其中，所述样本数据包括多个样本企业的企业信息、行业/产业体系信息、地域体系信息；

子图数据构建单元，被配置为基于所述样本数据构建所述多个样本企业中的每个样本企业的子图数据，得到带有训练标签的多个子图数据，所述训练标签用于表征与信息预测模型输出的预测信息对应的真实信息；

编码数据确定单元，被配置为确定每个子图数据的编码数据；和

模型训练单元，被配置为使用每个子图数据的编码数据对信息预测模型进行模型训练。