模型训练方法、节点信息确定方法及装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115577260A(43)申请公布日2023.01.06(21)申请号202211173543.4(22)申请日2022.09.26(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人安志成吴郑伟胡斌斌(74)专利代理机构北京亿腾知识产权代理事务所(普通合伙)11309专利代理师陈霁周良玉(51)Int.Cl.G06F18/214(2023.01)G06F18/243(2023.01)权利要求书3页说明书12页附图2页(54)发明名称模型训练方法、节点信息确定方法及装置(57)摘要本说明书实施例提供了一种模型训练方法、节点信息确定方法及装置。在模型训练方法中，可以利用关系网络训练标签一致性模型。其中，关系网络包括多个节点以及节点之间的连接边。为了训练该标签一致性模型，首先可以从关系网络中获取训练样本，训练样本包含具有第一标签和第一特征的第一节点，以及具有第二标签和第二特征的第二节点，两个节点通过第一边相连接。然后，基于两个标签的比较确定第一边的可信度标签，其用于标识两个标签之间的一致性信息。接着，基于两个特征，通过标签一致性模型确定第一边的样本可信度，并基于样本可信度和可信度标签之间的差异确定预测损失，基于预测损失更新标签一致性模型。CN115577260ACN115577260A权利要求书1/3页1.一种利用关系网络训练标签一致性模型的方法，所述关系网络包括多个节点以及节点之间的连接边，所述方法包括：从所述关系网络中获取训练样本，所述训练样本包含具有第一标签和第一特征的第一节点，以及具有第二标签和第二特征的第二节点，所述第一节点和第二节点通过第一边相连接；基于所述第一标签和所述第二标签的比较，确定所述第一边的可信度标签；所述可信度标签用于标识所述第一标签和所述第二标签之间的一致性信息；基于所述第一特征和所述第二特征，通过标签一致性模型确定所述第一边的样本可信度；基于所述样本可信度和所述可信度标签之间的差异，确定预测损失；基于所述预测损失更新所述标签一致性模型。2.根据权利要求1所述的方法，所述确定所述第一边的可信度标签的步骤，包括：当所述第一标签和所述第二标签一致时，将第一预设值确定为所述第一边的可信度标签；当所述第一标签和所述第二标签不一致时，将第二预设值确定为所述第一边的可信度标签；其中，所述第一预设值与所述第二预设值不同。3.根据权利要求2所述的方法，所述第一预设值取1，所述第二预设值取0。4.根据权利要求1所述的方法，所述通过标签一致性模型确定所述第一边的样本可信度的步骤，包括：基于所述第一特征和所述第二特征，确定节点聚合特征；基于所述节点聚合特征，通过标签一致性模型确定所述第一边的样本可信度。5.根据权利要求4所述的方法，所述确定节点聚合特征的步骤，包括：基于所述第一特征与所述第二特征的差值的平方，确定节点聚合特征。6.根据权利要求1所述的方法，在确定多个边的样本可信度之后，还包括：利用所述多个边的样本可信度，生成包含边的样本可信度的第一邻接矩阵；基于所述第一邻接矩阵和所述关系网络中与所述多个边对应的多个节点的特征矩阵，将节点的邻居节点特征向所述节点进行传递，得到所述节点的样本增强特征；基于节点的样本增强特征，通过节点分类模型确定所述节点的预测标签；所述确定预测损失的步骤，包括：基于所述样本可信度和所述可信度标签之间的差异，以及节点标签和预测标签之间的差异，确定预测损失；所述基于所述预测损失更新所述标签一致性模型的步骤，包括：基于所述预测损失更新所述标签一致性模型和所述节点分类模型。7.一种关系网络中的节点信息确定方法，所述关系网络包括多个节点以及节点之间的连接边，所述方法包括：基于所述关系网络中节点的节点特征，通过标签一致性模型确定节点之间边的可信度；其中，所述标签一致性模型通过权利要求1提供的方法进行训练；基于所述关系网络中边的可信度，生成包含边的可信度的第二邻接矩阵；基于所述第二邻接矩阵和所述关系网络中节点的信息矩阵，将节点的邻居节点信息向2CN115577260A权利要求书2/3页所述节点进行传递，得到节点的聚合信息；其中，所述聚合信息聚合了节点的邻居节点信息。8.根据权利要求7所述的方法，所述将节点的邻居节点信息向所述节点进行传递的步骤，包括：基于所述第二邻接矩阵和所述关系网络中节点的信息矩阵的乘积，确定节点的聚合信息。9.根据权利要求8所述的方法，所述确定节点的聚合信息的步骤，包括：确定待聚合的邻居节点的层数；基于所述层数，对所述第二邻接矩阵与所述信息矩阵进行多次乘积操作；基于所述多次乘积操作的结果，确定节点的聚合信息。10.根据权利要求9所述的方法，所述基于所述多