(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210975000.8 (22)申请日 2022.08.15 (71)申请人 浙江网商银行股份有限公司 地址 310012 浙江省杭州市西湖区古 荡街 道西溪路556号阿里中心D幢9层、 E幢 3-8层 (72)发明人 李子饶　赵云安　郭晓波　高艳涛　 马琼旭　路思尧　 (74)专利代理 机构 北京智信禾专利代理有限公 司 11637 专利代理师 赵杰 (51)Int.Cl. G06F 16/901(2019.01) G06F 16/23(2019.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 基于图神经网络的节点处 理方法以及装置 (57)摘要 本说明书实施例提供基于图神经网络的节 点处理方法以及装置， 其中所述方法包括： 将目 标异构图输入图神经网络， 在所述图神经网络中 确定所述目标异构图的初始节 点、 所述初始节点 对应的至少两个 关联节点、 以及所述初始节点和 所述至少两个 关联节点之间的至少两个连接边； 确定所述初始节点的初始节点信息、 所述至少两 个关联节 点的关联节点信息、 以及所述至少两个 连接边的边信息； 根据预设聚合算法， 对所述至 少两个关联节 点的关联节点信息进行聚合， 得到 聚合节点信息， 以及对所述至少两个连接边的边 信息进行聚合， 得到聚合边信息； 根据所述聚合 节点信息和所述聚合边信息， 对 所述初始节点信 息进行更新， 得到所述初始节点的目标节点信 息。 权利要求书2页 说明书17页 附图9页 CN 115238137 A 2022.10.25 CN 115238137 A 1.一种基于图神经网络的节点处 理方法， 包括： 将目标异构图输入图神经网络， 在所述图神经网络中确定所述目标异构图的初始节 点、 所述初始节点对应的至少 两个关联节点、 以及所述初始节点和所述至少 两个关联节点 之间的至少两个连接边； 确定所述初始节点的初始节点信息、 所述至少两个关联节点的关联节点信息、 以及所 述至少两个连接边的边信息； 根据预设聚合算法， 对所述至少两个关联节点的关联节点信息进行聚合， 得到聚合节 点信息， 以及对所述至少两个连接边的边信息进行聚合， 得到聚合 边信息； 根据所述聚合节点信息和所述聚合边信息， 对所述初始节点信息进行更新， 得到所述 初始节点的目标节点信息 。 2.根据权利要求1所述的方法， 所述根据所述 聚合节点信 息和所述 聚合边信 息， 对所述 初始节点信息进行 更新， 得到所述初始 节点的目标节点信息， 包括： 对所述聚合节点信息和所述聚合 边信息进行聚合， 得到传递信息； 根据所述传递信息， 对所述初始节点信息进行更新， 得到所述初始节点的目标节点信 息。 3.根据权利要求2所述的方法， 所述对所述 聚合节点信 息和所述 聚合边信 息进行聚合， 得到传递信息， 包括： 对所述聚合节点信息和所述聚合 边信息进行 卷积运算， 得到卷积运 算结果； 基于预设的提取系数对所述卷积运 算结果进行信息提取， 得到传递信息 。 4.根据权利要求3所述的方法， 所述基于预设的提取系数对所述卷积运算结果进行信 息提取， 得到传递信息， 包括： 基于预设的提取系数对所述卷积运 算结果进行信息提取， 得到提取 结果； 根据激活函数对所述 提取结果进行非线性处 理， 得到传递信息 。 5.根据权利要求2所述的方法， 所述根据所述传递信息， 对所述初始节点信息进行更 新， 得到所述初始 节点的目标节点信息， 包括： 对所述传递信息和所述初始 节点信息进行聚合， 得到所述初始 节点的目标节点信息 。 6.根据权利要求1所述的方法， 所述根据预设聚合算法， 对所述至少两个关联节点的关 联节点信息进 行聚合， 得到聚合节点信息， 以及对 所述至少两个连接边的边信息进 行聚合， 得到聚合 边信息， 包括： 根据聚合函数， 对所述至少两个关联节点的关联节点信息进行计算， 得到聚合节点信 息； 以及根据所述聚合 函数， 对所述至少两个连接边的边信息进行计算， 得到聚合 边信息。 7.根据权利要求1所述的方法， 所述根据所述 聚合节点信 息和所述 聚合边信 息， 对所述 初始节点信息进行 更新， 得到所述初始 节点的目标节点信息之后， 还 包括： 基于预设的提取系数对所述聚合 边信息进行信息提取， 得到提取边信息； 根据所述 提取边信息， 对所述聚合 边信息进行 更新， 得到目标聚合 边信息。 8.根据权利要求1所述的方法， 所述根据所述 聚合节点信 息和所述 聚合边信 息， 对所述 初始节点信息进行 更新， 得到所述初始 节点的目标节点信息之后， 还 包括： 对所述聚合节点信息和所述聚合 边信息进行 卷积运算， 得到卷积运 算结果； 基于预设的提取系数对所述卷积运 算结果进行信息提取， 得到传递信息；权　利　要　求　书 1/2 页 2 CN 115238137 A 2根据所述传递信息， 对所述聚合 边信息进行 更新， 得到目标聚合 边信息。 9.根据权利要求1所述的方法， 将目标异构图输入图神经网络之前， 还 包括： 确定目标项目对应的用户属性信息以及用户行为信息； 根据所述用户属性信息以及用户行为信息， 构建所述目标项目的目标异构图。 10.根据权利要求9所述的方法， 所述根据所述聚合节点信息和所述聚合边信息， 对所 述初始节点信息进行 更新， 得到所述初始 节点的目标节点信息之后， 还 包括： 将所述目标节点信息输入行为预测模型， 获得所述初始节点对应的用户行为预测信 息。 11.一种基于图神经网络的节点处 理装置， 包括： 第一确定模块， 被配置为将目标异构图输入图神经网络， 在所述图神经网络中确定所 述目标异构图的初始节点、 所述初始节点对应的至少 两个关联节点、 以及所述初始节点和 所述至少两个关联节点之间的至少两个连接边； 第二确定模块， 被配置为确定所述初始节点的初始节点信息、 所述至少两个关联节点 的关联节点信息、 以及所述至少两个连接边的边信息； 聚合模块， 被配置为根据预设聚合算法， 对所述至少两个关联节点的关联节点信息进 行聚合， 得到聚合节点信息， 以及 对所述至少两个连接边的边信息进 行聚合， 得到聚合边信 息； 更新模块， 被配置为根据所述聚合节点信息和所述聚合边信息， 对所述初始节点信息 进行更新， 得到所述初始 节点的目标节点信息 。 12.一种基于图神经网络的节点处 理方法， 包括： 将目标异构图输入图神经网络， 在所述图神经网络中确定目标异构图的初始节点、 所 述初始节点对应的关联节点以及所述初始 节点和所述关联节点之间的连接边； 确定所述初始节点的初始节点信息、 所述关联节点的关联节点信息， 以及所述连接边 的边信息； 根据所述关联节点信息和所述边信息， 对所述初始节点信息进行更新， 得到所述初始 节点的目标节点信息 。 13.一种计算设备， 包括： 存储器和处 理器； 所述存储器用于存储计算机可执行指令， 所述处理器用于执行所述计算机可执行指 令， 该计算机可执行指令被处理器执行时实现权利要求1 ‑10或12任意一项所述方法的步 骤。 14.一种计算机可读存储介质， 其存储有计算机可执行指令， 该计算机可执行指令被处 理器执行时实现权利要求1 ‑10或12任意 一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115238137 A 3