[发明专利]数据处理、模型训练、风险识别方法、设备及存储介质

说明书

本申请实施例提供一种数据处理、模型训练、风险识别方法、设备及存储介质。其中，方法包括如下的步骤：从超关系知识图谱中确定出五元组事实；以第一节点代替所述五元组事实中的主三元组的方式，将所述五元组事实修改为第一目标三元组事实；根据所述第一目标三元组事实，构建第一知识图谱；根据所述主三元组的嵌入表示，确定所述第一节点的初始嵌入表示；根据所述第一节点的初始嵌入表示，对所述第一知识图谱进行图嵌入处理，得到所述第一目标三元组事实的嵌入表示；根据所述第一目标三元组事实的嵌入表示，确定所述五元组事实的嵌入表示。本申请实施例提供的方案能够提高超关系知识图谱中超关系事实的嵌入合理性。

技术领域

本申请涉及计算机技术领域，尤其涉及一种数据处理、模型训练、风险识别方法、设备及存储介质。

背景技术

知识图谱(Knowledge Graph，简称KG)是一种采用结构化的方式描述现实世界中存在的概念实体和概念实体之间关联的一种结构。目前，知识图谱技术已经广泛应用于各个领域，例如：电商领域、金融领域、医疗领域。传统的知识谱图是由大量的三元组事实组成。

以电商领域为例，随着网络新技术的不断普及，电商服务在人们的日常生活中变得越来越重要。然而，这些电商平台在为网民日常生活提供便利的同时，也为不良信息广泛传播滋生了土壤，电商的开放性被一些商家利用来交易违禁商品，这些违禁商品可能包含着危害国家安全和公共安全并扰乱社会秩序的内容。随着电商平台用户量的激增，违禁商品的传播范围也越来越大，这对用户和电商平台都产生了巨大的危害。因此，对电商平台的商品进行风险审核是必须的。为了辅助风险审核人员进行知识透出，提升审核的准确率并减轻风险审核人员的工作负担，为电商平台上的商品建立一个风险知识图谱，后续将待审核商品的商品信息与风险知识图谱中的风险知识(风险知识是以事实为单位存储在风险知识图谱中)进行匹配(也可称为链接)，进行实现待审核商品的风险识别。

发明内容

本申请实施例提供一种数据处理、模型训练、风险识别方法、设备及存储介质，用于提高超关系知识图谱中超关系事实的嵌入合理性。

于是，在本申请的一个实施例中，提供了一种数据处理方法，其中，包括：

从超关系知识图谱中确定出五元组事实；

以第一节点代替所述五元组事实中的主三元组的方式，将所述五元组事实修改为第一目标三元组事实；

根据所述第一目标三元组事实，构建第一知识图谱；

根据所述主三元组的嵌入表示，确定所述第一节点的初始嵌入表示；

根据所述第一节点的初始嵌入表示，对所述第一知识图谱进行图嵌入处理，得到所述第一目标三元组事实的嵌入表示；

根据所述第一目标三元组事实的嵌入表示，确定所述五元组事实的嵌入表示。

在本申请的又一实施例中，提供了一种模型训练方法，其中，包括：

从样本超关系知识图谱中确定出五元组事实；

以第一节点代替所述五元组事实中的主三元组的方式，将所述五元组事实修改为第一目标三元组事实；

根据所述第一目标三元组事实，构建第一知识图谱；

根据所述主三元组的嵌入表示，确定所述第一节点的初始嵌入表示；

根据所述目标节点的初始嵌入表示，利用基于图神经网络的计算模型对所述第一目标知识图谱进行图嵌入处理，得到所述第一目标三元组事实的嵌入表示；

根据所述第一目标三元组事实的嵌入表示，确定所述五元组事实成立的第一可能性；

根据所述第一可能性以及所述五元组事实的训练标签，对所述计算模型进行优化。