[发明专利]基于关系网络的模型训练方法、表征确定方法及装置

权利要求书

1.一种基于关系网络中邻居用户的注意力模型训练方法，其中，第一关系网络包括多个用户节点和多个物节点，以及表征不同节点之间关联关系的边；所述方法包括：

通过所述注意力模型，基于所述第一关系网络中的用户节点表征，对用户节点的邻居用户节点进行选择，得到用户节点对其邻居用户节点的选择注意力，并确定多个用户节点之间包含所述选择注意力中信息的选择邻接矩阵；

通过图神经网络，基于所述选择邻接矩阵，将所述第一关系网络中的邻居节点表征向对应的用户节点传播，得到用户节点的第一用户聚合表征；

基于所述第一用户聚合表征和所述第一关系网络中的物表征，确定用户节点与物节点之间的第一预测关联关系；

基于所述第一预测关联关系和第一已有关联关系之间的差异，确定第一预测损失；其中，所述第一已有关联关系是所述第一关系网络中用户节点与物节点之间的已有关联关系；

基于所述第一预测损失至少更新所述注意力模型。

2.根据权利要求1所述的方法，所述注意力模型包括神经网络和选择单元；

所述对用户节点的邻居用户节点进行选择的步骤，以及所述确定多个用户节点之间包含所述选择注意力中信息的选择邻接矩阵的步骤，包括：

通过所述神经网络，基于所述第一关系网络中的用户节点表征，确定用户节点对其邻居用户节点的初始注意力；

通过所述选择单元，基于所述初始注意力对所述邻居用户节点进行选择，得到用户节点对其邻居用户节点的选择注意力，并确定多个用户节点之间包含所述选择注意力中信息的选择邻接矩阵。

3.根据权利要求2所述的方法，所述基于所述初始注意力对所述邻居用户节点进行选择的步骤，包括：

利用可导的采样函数，基于所述初始注意力对邻居用户节点进行采样。

4.根据权利要求2所述的方法，所述确定多个用户节点之间包含所述选择注意力中信息的选择邻接矩阵的步骤，包括：

确定所述多个用户节点之间的第一原始邻接矩阵；

基于选择注意力矩阵与所述第一原始邻接矩阵的乘积，确定所述选择邻接矩阵；其中，所述选择注意力矩阵包含多个用户节点对其邻居用户节点的选择注意力。

5.根据权利要求1所述的方法，所述将所述第一关系网络中的邻居节点表征向对应的用户节点传播的步骤，包括：

基于所述选择邻接矩阵以及用户节点与物节点之间的邻接矩阵，将所述第一关系网络中的邻居用户节点表征和邻居物节点表征向对应的用户节点传播。

6.根据权利要求1所述的方法，所述确定用户节点与物节点之间的第一预测关联关系的步骤，包括：

基于所述第一关系网络中物节点与其邻居节点之间的邻接矩阵，将所述邻居节点表征向对应的物节点传播，得到物节点的第一物聚合表征；

基于所述第一用户聚合表征和所述第一物聚合表征，确定用户节点与物节点之间的第一预测关联关系。

7.根据权利要求1所述的方法，所述基于所述第一预测损失至少更新所述注意力模型的步骤，包括：

基于所述第一预测损失更新所述注意力模型和所述图神经网络。

8.一种关系网络中的节点表征确定方法，其中，第二关系网络包括多个用户节点和多个物节点，以及表征不同节点之间关联关系的边；所述方法包括：

通过训练后的注意力模型，确定所述多个用户节点之间的选择邻接矩阵；其中，所述注意力模型采用如权利要求1所述的方法训练；

基于所述选择邻接矩阵，将所述第二关系网络中的邻居节点表征向对应的用户节点传播，得到用户节点的第二用户聚合表征。

9.根据权利要求8所述的方法，所述将所述第二关系网络中的邻居节点表征向对应的用户节点进行传播的步骤，包括：

基于所述选择邻接矩阵以及用户节点与物节点之间的邻接矩阵，将所述第二关系网络中的邻居用户节点表征和邻居物节点表征向对应的用户节点传播。