[发明专利]处理交互序列数据的方法及装置

说明书

本说明书实施例提供一种处理交互序列数据的方法和装置。在该方法中，首先获取根据动态交互序列构建的动态交互图，其中动态交互序列包括按照时间顺序排列的多个交互事件，动态交互图包括代表各个交互事件中各个交互对象的节点，某个节点可以通过连接边指向两个叶节点，叶节点代表该某节点所参与的前一事件中包含的两个对象。然后，在动态交互图中，确定与待分析的当前节点对应的当前序列，其中包括从当前节点出发沿连接边可达的预定范围内的节点，以及这些节点的位置编码。然后，将当前序列输入基于Transformer的神经网络模型进行处理，得到该当前节点的特征向量。

技术领域

本说明书一个或多个实施例涉及机器学习领域，尤其涉及利用机器学习处理交互序列数据的方法和装置。

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。

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，更为有效地对交互事件中的交互对象进行分析处理，以得到适于后续分析的特征向量。

发明内容

本说明书一个或多个实施例描述了处理交互序列数据的方法和装置，其中利用神经网络模型，考虑交互对象参与的交互事件以及交互事件中其他对象的影响，将交互对象处理为特征向量，从而有利于后续分析。

根据第一方面，提供了一种处理交互序列数据的方法，所述方法包括：

获取根据动态交互序列构建的动态交互图，其中，所述动态交互序列包括按照时间顺序排列的多个交互事件所对应的多个交互特征组，每个交互特征组包括，发生交互行为的第一对象，第二对象和交互时间；所述动态交互图包括代表各个交互特征组中的各个第一对象和第二对象的多个节点，所述多个节点包括第一节点，所述第一节点通过连接边指向两个叶节点，所述两个叶节点分别代表，所述第一节点对应的交互对象所参与的上一交互事件所对应的交互特征组中的两个对象；

在所述动态交互图中，确定与待分析的当前节点对应的当前序列，所述当前序列包括，从当前节点出发，经由连接边到达的预定范围内的多个节点，以及所述多个节点中各个节点在所述动态交互图中相对于所述当前节点的位置编码；

将所述当前序列输入基于Transformer的神经网络模型，所述神经网络模型包括嵌入层和至少一个注意力层，在所述嵌入层，基于所述当前序列中各个节点的节点特征及其位置编码，得到N个嵌入向量；在每个注意力层，基于从上一层获取的N个输入向量中各个输入向量之间的关联度，对各个输入向量进行综合，得到N个输出向量；所述神经网络模型基于所述至少一个注意力层得到的N个输出向量，确定所述当前节点对应的特征向量。

在一个实施例中，通过以下方式获取动态交互图：

获取基于已有交互序列构建的已有动态交互图；

获取新增交互事件对应的新增交互特征组；

将该新增交互特征组中包括的第一对象和第二对象作为两个新增节点，添加到所述已有动态交互图中；

对于每个新增节点，若其存在叶节点，则添加从该新增节点指向其两个叶节点的连接边。

在另一个实施例中，通过以下方式获取动态交互图：

获取基于已有交互序列构建的已有动态交互图；