[发明专利]图表示学习方法、装置及设备

权利要求书

1.一种图表示学习方法，所述方法应用于图神经网络中，其特征在于，所述方法包括：

确定待学习的图指示的目标对象和邻居对象各自在与双曲空间相关的切线空间中的第一中间特征表示，所述邻居对象与所述目标对象具有关联关系，每个第一中间特征表示包括多个维度的值；

对所述第一中间特征表示的所述多个维度中的部分维度的值执行第一变换，得到所述目标对象和所述邻居对象各自在所述切线空间中的第一变换特征表示；

确定所述目标对象和所述邻居对象各自的所述第一变换特征表示在所述双曲空间中对应的第二中间特征表示；

通过将所述目标对象和所述邻居对象各自的所述第二中间特征表示进行聚合，来确定所述目标对象的聚合特征表示；以及

基于所述目标对象的所述聚合特征表示来确定所述目标对象在所述双曲空间中的目标特征表示。

2.根据权利要求1所述的方法，其特征在于，所述多个维度中的部分维度包括所述多个维度中除第一个维度之外的其他维度。

3.根据权利要求2所述的方法，其特征在于，所述目标对象和所述邻居对象各自的所述第一中间特征表示的所述第一个维度的值被设置为零。

4.根据权利要求1所述的方法，其特征在于，所述第一变换包括线性变换。

5.根据权利要求1所述的方法，其特征在于，将所述目标对象和所述邻居对象各自的所述第二中间特征表示进行聚合包括：

确定所述邻居对象的聚合权重，所述聚合权重指示所述邻居对象对所述目标对象的重要程度；

基于所述聚合权重来对所述邻居对象的所述第二中间特征表示进行加权，得到所述邻居对象的加权中间特征表示；以及

通过将所述邻居对象的所述加权中间特征表示和所述目标对象的所述第二中间特征表示合并，来确定所述目标对象的聚合特征表示。

6.根据权利要求5所述的方法，其特征在于，确定所述聚合权重包括：

基于所述邻居对象和所述目标对象各自的所述第二中间特征表示，确定所述邻居对象与所述目标对象在所述双曲空间中的距离；以及

基于所确定的距离来确定所述邻居对象的所述聚合权重，所述聚合权重与所述距离负相关。

7.根据权利要求6所述的方法，其特征在于，确定所述距离包括：

对所述邻居对象和所述目标对象各自的所述第二中间特征表示的所述多个维度中的部分维度的值执行特征变换，得到所述邻居对象和所述目标对象各自的第三变换特征表示；以及

计算所述邻居对象的所述第三变换中间特征表示与所述目标对象的所述第三变换特征表示在双曲空间中的距离，得到所述邻居对象与所述目标对象在所述双曲空间中的距离。

8.根据权利要求1所述的方法，其特征在于，确定所述目标对象在所述双曲空间中的目标特征表示包括：

确定所述聚合特征表示在所述切线空间中对应的第三中间特征表示，所述第三中间特征表示包括所述多个维度的值；

对所述第三中间特征表示的所述多个维度中的所述部分维度的值执行第二变换，得到所述目标对象在所述切线空间中的第二变换特征表示；以及

确定所述第二变换特征表示在所述双曲空间中对应的特征表示，得到所述目标特征表示。

9.根据权利要求8所述的方法，其特征在于，所述第二变换包括非线性变换。

10.根据权利要求1至9中任一项所述的方法，其特征在于，所述目标特征表示作为所述图神经网络的第一网络层的输出，被提供给所述图神经网络中与所述第一网络层相连的第二网络层作为输入。