[发明专利]一种网络表示学习方法、系统及装置

权利要求书

1.一种网络表示学习方法，其中，所述方法包括：

获取一组输入数据，所述输入数据包括网络中相互关联的第一节点以及第二节点的各自的向量表示，以及所述第一节点与所述第二节点之间的关联关系的向量表示；

对于所述输入数据，基于一次迭代：

通过生成对抗网络的表示学习模型中的生成组件基于输入数据中的第一节点、第二节点以及关联关系三个元素中的两个元素的向量表示生成第三个元素对应的至少一个候选表示；

从所述至少一个候选表示中确定一个候选表示，作为第三个元素经过本轮迭代后其在网络中对应的向量表示；

更新所述生成对抗网络的表示学习模型中的所述生成组件以及判别组件；依此，进行多次迭代直到满足停止迭代条件，获得所述网络中各节点或关联关系的目标向量表示。

2.根据权利要求1所述的方法，其中，一次迭代过程中，所述更新所述生成对抗网络的表示学习模型中的所述生成组件以及判别组件，包括：

基于所述两个元素的向量表示以及第三个元素对应的至少一个候选表示生成至少一个负例对，以及将所述输入数据作为正例对；

利用所述判别组件，对所述至少一个负例对以及所述正例对进行判别以获取判别结果；

基于所述判别结果，更新所述生成组件；

基于所述判别结果与各例对的真实属性更新所述判别组件。

3.根据权利要求1所述的方法，其中，所述通过生成对抗网络的表示学习模型中的生成组件基于输入数据中的第一节点、第二节点以及关联关系三个元素中的两个元素的向量表示生成第三个元素对应的至少一个候选表示，包括：

获取至少一个随机表示；

通过所述生成组件基于所述两个元素的向量表示以及所述至少一个随机表示，获取对应于所述第三元素的至少一个候选表示。

4.根据权利要求3所述的方法，其中，所述通过所述生成组件基于所述两个元素的向量表示以及所述至少一个随机表示，获取对应于所述第三元素的至少一个候选表示，包括：

基于所述两个元素的向量表示以及至少一个随机表示，利用所述生成组件，获取对应于所述第三元素的至少一个生成表示；

对于每一个生成表示，基于所述网络，确定所述候选表示。

5.根据权利要求4所述的方法，其中，所述对于每一个生成表示，基于所述网络，确定所述候选表示，包括：

确定所述网络上与所述生成表示相似度满足预设条件的与第三元素同质的节点或关联关系的向量表示；

将满足预设条件的与第三元素同质的节点或关联关系的向量表示确定为候选表示。

6.根据权利要求3所述的方法，其中，所述随机表示服从高斯分布。

7.根据权利要求1所述的方法，其中，所述从所述至少一个候选表示中确定一个候选表示，作为第三个元素经过本轮迭代后其在网络中对应的向量表示，包括：

将与所述第三个元素的向量表示最相似的候选表示作为第三个元素经过本轮迭代后其在网络中对应的向量表示。

8.根据权利要求1所述的方法，其中，所述网络至少包括异构网络。

9.一种网络表示学习系统，其中，所述系统包括获取模块，以及确定模块，

所述获取模块，用于获取一组输入数据，所述输入数据包括网络中相互关联的第一节点以及第二节点的各自的向量表示，以及所述第一节点与所述第二节点之间的关联关系的向量表示；

所述确定模块，用于对于所述输入数据：

通过生成对抗网络的表示学习模型中的生成组件基于输入数据中的第一节点、第二节点以及关联关系三个元素中的两个元素的向量表示生成第三个元素对应的至少一个候选表示；

从所述至少一个候选表示中确定一个候选表示，作为第三个元素经过本轮迭代后其在网络中对应的向量表示；

更新所述生成对抗网络的表示学习模型中的所述生成组件以及判别组件；

所述获取模块与所述确定模块还用于多次被调用，直到满足停止迭代条件，获得所述网络中各节点或关联关系的目标向量表示。