[发明专利]基于异构图进行业务处理的方法及装置

权利要求书

1.一种基于异构图进行业务处理的方法，所述异构图用于描述多个实体之间在预定的多个连接关系类型下的关联关系，其中，所述多个连接关系类型相互独立，所述多个连接关系类型包括第一连接关系类型，描述所述多个实体之间在所述第一连接关系类型下的关联关系的关系网络为第一关系网络，在所述第一关系网络中，各个实体分别与各个节点一一对应，通过连接边连接的两两节点对应的两两实体之间具有所述第一连接关系类型的关联关系，各个节点分别对应有相应实体在所述第一连接关系类型下的实体特征；所述方法包括：

确定当前业务所针对的当前实体在所述第一关系网络中对应的当前节点；

通过预先确定的特征聚合模型处理第一关系网络，得到针对所述当前节点在所述第一连接关系类型下的第一业务表征向量；

根据所述当前实体在各个连接关系类型下分别对应的实体特征，确定所述第一业务表征向量对应的第一重要度系数；

至少基于所述第一重要度系数和所述第一业务表征向量，融合所述当前实体在所述多个连接关系类型分别对应的各个关系网络下的各个业务表征向量，得到对所述当前实体的综合评估结果，以利用所述综合评估结果针对所述当前实体进行后续业务处理。

2.根据权利要求1所述的方法，其中，在所述第一关系网络中，所述当前节点的邻居节点包括第一节点，所述第一节点对应第一邻居权重，所述第一节点对应的实体特征包括第一特征，所述第一特征对应第一特征权重，所述通过预先确定的特征聚合模型处理第一关系网络，得到针对所述当前节点在所述第一连接关系类型下的第一业务表征向量包括：

将所述第一特征权重与所述第一邻居权重的乘积确定为所述第一节点在所述第一特征上的第一特征聚合系数；

基于所述第一节点在所述第一特征上的特征表达向量与所述第一特征聚合系数的乘积，确定所述第一业务表征向量中与所述第一特征向量相对应的元素值。

3.根据权利要求1所述的方法，其中，在所述第一关系网络中，所述当前节点的邻居节点包括第二节点，所述第二节点对应第二邻居权重，所述预先确定的特征聚合模型为第一图神经网络；所述第一图神经网络的第i层通过以下方式处理所述第一关系网络：

将所述当前节点的当前特征表达向量和所述第二节点的当前特征表达向量拼接，得到第一拼接向量；

基于第一权重矩阵与所述第一拼接向量的乘积，确定所述第二节点在第i层的邻居权重，所述第一权重矩阵是所述第一图神经网络在第i层的模型参数，在训练所述第一图神经网络时确定；

根据所述第二节点在第i层的邻居权重与所述第二节点的当前特征表达向量，确定所述当前节点的第i邻居聚合向量；

将所述邻居聚合向量与所述当前节点的当前特征表达向量融合，得到所述当前节点经过第i层图神经网络处理后的表征向量。

4.根据权利要求3所述的方法，其中：

在i为1的情况下，所述当前节点的当前特征表达向量和所述第二节点的当前特征表达向量，分别由所述当前节点和所述第二节点在所述第一关系网络中的实体特征确定；

在i为大于1的自然数的情况下，所述当前节点的当前特征表达向量和所述第二节点的当前特征表达向量，分别为所述当前节点和所述第二节点经过第i-1层图神经网络处理后的表征向量。

5.根据权利要求3所述的方法，其中，所述将所述邻居聚合向量与所述当前节点的当前特征表达向量融合，得到所述当前节点经过第i层图神经网络处理后的表征向量包括：

将所述邻居聚合向量与所述当前节点的当前特征表达向量进行拼接，得到第二拼接向量；

基于第二权重矩阵与所述第二拼接向量的乘积，确定第i层图神经网络中的特征权重向量，所述第二权重矩阵是所述第一图神经网络在第i层的模型参数，在训练所述第一图神经网络时确定；

根据所述特征权重向量对所述邻居聚合向量进行修正，得到所述当前节点经过第i层图神经网络处理后的表征向量，在第i层图神经网络为所述第一图神经网络的最后一层时，修正后得到的表征向量为所述第一业务表征向量。