[发明专利]评估交互事件的方法及装置

权利要求书

1.一种计算机执行的、评估交互事件的方法，所述方法包括：

获取用于反映交互事件关联关系的动态交互图，所述动态交互图包括多对节点，每对节点代表一个交互事件中的两个对象，任意节点通过连接边指向该节点所代表的对象参与的上一交互事件对应的两个节点；

分别以待分析的第一目标节点、第二目标节点为当前根节点，在所述动态交互图中确定出从当前根节点出发，经由连接边到达的预定范围的子图作为第一子图和第二子图；

将所述第一子图和第二子图输入神经网络模型进行图处理，得到所述第一目标节点和所述第二目标节点进行交互的交互表征向量，所述神经网络模型包括依次堆叠的输出层和L个处理层，所述L个处理层中至少一个处理层具有对应的融合层，所述图处理包括：

在所述L个处理层中的各个处理层中，根据所述第一子图和第二子图中包含的各个节点的本层输入特征，以及各个节点之间的连接边的指向关系，分别处理得到各个节点的本层隐含向量；

在所述融合层中，将对应处理层得到的各个本层隐含向量分别进行第一压缩处理，得到各个节点对应的各个压缩表示，并对所述各个压缩表示进行第一变换处理，得到各个节点对应的权重估计；将各个节点的本层隐含向量与其对应的权重估计的组合结果，作为所述各个节点的下一层输入特征；

在所述输出层中，对所述L个处理层分别得到的、与所述第一目标节点对应的L个第一隐含向量和与所述第二目标节点对应的L个第二隐含向量进行融合，得到所述交互表征向量；

根据所述交互表征向量，评估所述第一目标节点和第二目标节点进行交互的第一事件；

其中，所述各个压缩表示为各个压缩值，所述各个压缩值构成压缩向量；所述第一变换处理包括：

利用第一变换矩阵对所述压缩向量进行第一线性变换，得到第一变换向量，所述第一变换向量的维度小于所述压缩向量；

对所述第一变换向量执行第一非线性变换，得到第二变换向量；

利用第二变换矩阵对所述第二变换向量进行第二线性变换，得到第三变换向量，所述第三变换向量的维度等于所述压缩向量；

对所述第三变换向量执行第二非线性变换，得到权值向量，所述权值向量中各个元素对应于所述各个节点的权重估计。

2.根据权利要求1所述的方法，其中，所述经由连接边到达的预定范围内的子图包括：

经由预设数目K之内的连接边到达的节点；和/或

经由连接边可达且交互时间在预设时间范围内的节点。

3.根据权利要求1所述的方法，其中，所述L个处理层包括位于最底层的第一处理层，在所述第一处理层中，所述各个节点的本层输入特征包括，各个节点的节点属性特征。

4.根据权利要求3所述的方法，其中，所述各个节点包括用户节点和/或物品节点，所述用户节点的节点属性特征包括以下中的至少一项：年龄、职业、教育程度、所在地区、注册时长、人群标签；所述物品节点的节点属性特征包括以下中的至少一项：物品类别、上架时间、评论数、销量。

5.根据权利要求1所述的方法，其中，所述各个处理层为基于时序的网络处理层，用于根据所述第一子图和第二子图中包含的各个节点的本层输入特征，以及各个节点之间的连接边的指向关系，依次迭代处理各个节点，从而得到各个节点的本层隐含向量。

6.根据权利要求5所述的方法，其中，所述基于时序的网络处理层为LSTM层，所述LSTM层用于：按照各个节点之间的连接边的指向关系顺序，将各个节点依次作为当前节点，根据当前节点的本层输入特征，该当前节点所指向的两个节点各自的中间向量和隐含向量，确定该当前节点的隐含向量和中间向量，将当前节点的隐含向量作为所述本层隐含向量。

7.根据权利要求1所述的方法，其中，所述第一压缩处理包括：

对于所述各个本层隐含向量中的任意隐含向量，计算该任意隐含向量的各个向量元素的平均值，作为该任意隐含向量对应的节点的压缩表示。