买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：支付宝(杭州)信息技术有限公司

摘要：本说明书实施例提供一种图神经网络的训练方法，包括：获取关系网络图，其中各个对象节点对应采样概率集，包括针对其每个一阶邻居节点的采样概率；基于该关系网络图，对该图神经网络进行多轮迭代更新，其中任一轮包括：以本轮选取的第一标签节点为中心，进行M阶邻居节点采样，其中任意的第i阶邻居节点采样包括，针对已采样的第i‑1阶邻居节点中任意的第一节点，基于其当前采样概率集，从其一阶邻居节点全集中采样若干邻居节点归入第i阶邻居节点；基于采样到的M阶以内的邻居节点和该第一标签节点带有的第一业务标签，对该图神经网络进行本轮更新；利用更新后图神经网络确定若干邻居节点对应的若干训练反馈，进而更新第一节点的当前采样概率集。

主权项：1.一种图神经网络的训练方法，包括：获取用户关系网络图，其中包括多个用户节点，以及用户节点之间存在关联关系而形成的连接边，所述关联关系包括社交关系、亲属关系和交易关系中的至少一种；用户节点对应的用户特征包括用户画像特征和用户行为特征；该多个用户节点中包括带有风险类别标签的多个标签节点；该多个用户节点各自对应采样概率集，其中包括对应用户节点针对其每个一阶邻居节点的采样概率；基于所述用户关系网络图，对所述图神经网络进行多轮迭代更新，其中任一轮迭代更新包括：以本轮选取的第一标签节点为中心，进行M阶邻居节点采样，其中任意的第i阶邻居节点采样包括，针对已采样的第i-1阶邻居节点中任意的第一节点，基于其当前采样概率集，从其一阶邻居节点全集中采样若干邻居节点归入第i阶邻居节点；基于采样到的M阶以内的邻居节点，利用所述图神经网络包含的M个隐层，确定所述第一标签节点的嵌入向量；在其中任一隐层，利用当前隐层的注意力函数，确定上一隐层输出的邻居节点隐向量所对应的注意力权重；将所述嵌入向量输入针对用户的风险评估模型中，得到对应的风险预测结果，并基于所述风险预测结果以及所述第一标签节点带有的第一风险类别标签，对所述图神经网络和风险评估模型进行本轮更新；针对所述任意的第一节点，利用本轮更新后的图神经网络，确定其采样的若干邻居节点所对应的若干注意力权重；确定所述若干邻居节点所对应的若干训练反馈，其中各个训练反馈与对应节点的注意力权重正相关，且与对应节点的当前采样概率负相关；基于所述若干训练反馈，更新所述第一节点对应的当前采样概率集。

全文数据：

权利要求：

百度查询： 支付宝(杭州)信息技术有限公司 图神经网络的训练方法及装置