训练图神经网络模型的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110705709A(43)申请公布日2020.01.17(21)申请号201910975012.9(22)申请日2019.10.14(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)发明人葛志邦黄鑫王琳(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代理人孙欣欣周良玉(51)Int.Cl.G06N3/08(2006.01)权利要求书3页说明书8页附图2页(54)发明名称训练图神经网络模型的方法和装置(57)摘要本说明书实施例提供一种训练图神经网络模型的方法和装置。方法包括：从样本集中获取目标训练样本，及对应的目标样本标签；目标训练样本对应目标关系网络图中的目标节点，目标节点具有目标节点编号，目标关系网络图包括多个节点以及节点之间的连接边，各节点具有各自对应的节点编号，各连接边具有各自对应的边编号；根据目标节点编号和预设参数，从预先存储的目标关系网络图的图信息中，查询目标关系网络图的目标子图的图信息；目标子图以目标节点为中心节点，且目标子图中的各节点与目标节点之间的跳数小于或等于预设参数；利用目标子图的图信息和目标样本标签，对图神经网络模型进行训练。能够降低对机器的要求，并且提高训练效率。CN110705709ACN110705709A权利要求书1/3页1.一种训练图神经网络模型的方法，所述方法包括：从样本集中获取目标训练样本，以及所述目标训练样本对应的目标样本标签；其中，所述目标训练样本对应目标关系网络图中的目标节点，所述目标节点具有目标节点编号，所述目标关系网络图包括多个节点以及节点之间的连接边，各节点具有各自对应的节点编号，各连接边具有各自对应的边编号；根据所述目标节点编号和预设参数，从预先存储的所述目标关系网络图的全图的图信息中，查询所述目标关系网络图的目标子图的图信息；其中，所述目标子图以所述目标节点为中心节点，且所述目标子图中的各节点与所述目标节点之间的跳数小于或等于所述预设参数；利用所述目标子图的图信息和所述目标样本标签，对图神经网络模型进行训练。2.如权利要求1所述的方法，其中，所述图信息包括：图结构信息、各节点的节点属性信息、各连接边的边属性信息。3.如权利要求1所述的方法，其中，所述对图神经网络模型进行训练，包括：将所述目标子图的图信息输入所述图神经网络模型，得到所述目标节点对应的预测值；根据所述预测值和所述目标样本标签，调整所述图神经网络模型的模型参数。4.如权利要求3所述的方法，其中，所述将所述目标子图的图信息输入所述图神经网络模型，包括：调整所述目标子图中的各节点的节点编号，以得到连续的各节点编号；并且，根据调整后的各节点编号，得到调整后的各连接边各自对应的边编号；根据调整后的节点编号和调整后的边编号，将所述目标子图的图信息表示为矩阵，将矩阵输入所述图神经网络模型。5.如权利要求1所述的方法，其中，所述从预先存储的所述目标关系网络图的全图的图信息中，查询所述目标关系网络图的目标子图的图信息，包括：从所述目标关系网络图的各节点中，选择与所述目标节点之间的跳数小于或等于所述预设参数的各节点；根据预设的各节点的邻居节点的数目上限，对选择的各节点进行下采样，使得下采样后得到的各节点的邻居节点的数目均不超过所述数目上限；从预先存储的所述目标关系网络图的全图的图信息中，查询包含下采样后的各节点的所述目标关系网络图的目标子图的图信息。6.如权利要求1所述的方法，其中，所述从预先存储的所述目标关系网络图的全图的图信息中，查询所述目标关系网络图的目标子图的图信息，包括：从所述目标关系网络图的各节点中，选择与所述目标节点之间的跳数小于或等于所述预设参数的各节点；根据预设的各节点的邻居节点的固定数目，对选择的各节点进行上采样或下采样，使得上采样或下采样后得到的各节点的邻居节点的数目均为所述固定数目；从预先存储的所述目标关系网络图的全图的图信息中，查询包含上采样或下采样后的各节点的所述目标关系网络图的目标子图的图信息。7.如权利要求1所述的方法，其中，所述从预先存储的所述目标关系网络图的全图的图信息中，查询所述目标关系网络图的目标子图的图信息，包括：2CN110705709A权利要求书2/3页从所述目标关系网络图的各节点中，选择与所述目标节点之间的跳数小于或等于所述预设参数的各节点；确定选择的各节点中的与所述目标节点之间的跳数为预设跳数的各目标节点，在所述目标节点与所述目标节点之间添加连接边；从预先存储的所述目标关系网络图的全图的图信息中，查询包含添加的连接边的所述目标关系网络图的目标子图的图信息。8.如权利要求1所述的方法，其中，所述从预先存储的所述目标关系