[发明专利]预测模型训练方法以及装置

说明书

本说明书实施例提供预测模型训练方法以及装置，预测模型训练方法包括：从样本异构图中确定第一样本、第二样本以及第二样本对应的样本标签，其中，样本异构图包括至少两个不同类型的节点、和至少两个不同类型的边，第一样本和第二样本为目标异构图中的节点；对第一样本的样本特征进行聚合处理，得到第一聚合样本，以及对第二样本的样本特征进行聚合处理，得到第二聚合样本；根据第一样本、与第一样本关联的第一关联样本以及第一关联样本相对于第一样本的相关度，对第一样本的样本特征进行增强处理，获得增强样本；根据第二聚合样本以及第二样本对应的样本标签、第一聚合样本和增强样本，对预测模型进行训练，直至获得满足训练停止条件的预测模型。

技术领域

本说明书实施例涉及模型训练技术领域，特别涉及预测模型训练方法。

背景技术

图数据结构是一种抽象程度高，表达能力强的数据结构，图数据结构包括节点和节点之间的边，节点可用于表示现实世界的实体，而实体之间的关系则通过节点之间的边来体现。随着机器学习技术的发展，通常使用图神经网络对图数据结构进行学习，以实现对实体的行为预测。

然而，在对图数据结构进行学习时，通常会存在只有少量数据样本是有标签的，而大量数据样本都是没有标签的数据，在根据少量有标签的数据样本训练模型时，由于数据样本较少可能导致训练出来的模型预测准确率较差。通常情况下会依赖人工经验对没有标签的数据样本打标，会导致花费较高的人工成本，效率较差，因此，亟需一种有效的技术方案解决上述问题。

发明内容

有鉴于此，本说明书实施例提供了一种预测模型训练方法。本说明书一个或者多个实施例同时涉及一种预测模型训练装置，一种预测方法，一种预测装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种预测模型训练方法，包括：

从样本异构图中确定第一样本、第二样本以及所述第二样本对应的样本标签，其中，所述样本异构图包括至少两个不同类型的节点、和至少两个不同类型的边，所述第一样本和所述第二样本为所述目标异构图中的节点；

对所述第一样本的样本特征进行聚合处理，得到第一聚合样本，以及对所述第二样本的样本特征进行聚合处理，得到第二聚合样本；

根据所述第一样本、与所述第一样本关联的第一关联样本以及所述第一关联样本相对于所述第一样本的相关度，对所述第一样本的样本特征进行增强处理，获得增强样本；

根据所述第二聚合样本以及所述第二样本对应的样本标签、所述第一聚合样本和所述增强样本，对预测模型进行训练，直至获得满足训练停止条件的所述预测模型。

根据本说明书实施例的第二方面，提供了一种预测模型训练装置，包括：

确定模块，被配置为从样本异构图中确定第一样本、第二样本以及所述第二样本对应的样本标签，其中，所述样本异构图包括至少两个不同类型的节点、和至少两个不同类型的边，所述第一样本和所述第二样本为所述目标异构图中的节点；

聚合模块，被配置为对所述第一样本的样本特征进行聚合处理，得到第一聚合样本，以及对所述第二样本的样本特征进行聚合处理，得到第二聚合样本；

增强模块，被配置为根据所述第一样本、与所述第一样本关联的第一关联样本以及所述第一关联样本相对于所述第一样本的相关度，对所述第一样本的样本特征进行增强处理，获得增强样本；

训练模块，被配置为根据所述第二聚合样本以及所述第二样本对应的样本标签、所述第一聚合样本和所述增强样本，对预测模型进行训练，直至获得满足训练停止条件的所述预测模型。

根据本说明书实施例的第三方面，提供了一种预测方法，包括：

确定用户的属性信息，以及所述用户之间的行为关系信息；