(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 (43)申请公布日 (21)申请 号 202111256452.2 (22)申请日 2021.10.27 (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801-1 1 (72)发明人 吴若凡　田胜　 (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 陈霁　周良玉 (51)Int.Cl. G06F 16/901(2019.01) G06N 20/00(2019.01) (54)发明名称 针对动态图训练图模型的方法及装置 (57)摘要 本说明书实施例提供一种针对动态图训练 图模型的方法及装置， 首先获取第一实体对应第 一时间点的第一表达向量和第二时间点的第二 表达向量， 然后通过第一时间表征模 型确定第一 时间差对应的第一时间表征向量， 接着， 基于第 一时间表征向量确定第一表达向量和第二表达 向量之间的f ‑信息， 进一步以f‑信息最大化为目 标确定模型损失， 并向着模型损失减小的方向调 整图模型及第一时间表征模型中的各个待定参 数。 这种方式可以提高模型的灵活性和有效性。 权利要求书3页 说明书11页 附图2页 CN 113987280 A 2022.01.28 CN 113987280 A 1.一种针对动态图训练图模型的方法， 所述动态图是包含与时间相关的实体状态变化 信息的图数据， 所述方法包括： 获取第一实体对应第 一时间点的第 一表达向量和对应第 二时间点第 二表达向量， 所述 第一时间点和所述第二时间点之间的第一时间差小于预定阈值， 所述第一表达向量及所述 第二表达向量基于所述图模型分别针对所述动态图在第一时间点的第一子图、 在第二时间 点的第二子图进行的处 理确定； 通过第一时间表征模型确定所述第一时间差对应的第一时间表征向量； 基于所述第一时间表征向量确定所述第一表达向量和所述第二表达向量之间的f ‑信 息； 以所述f‑信息最大化为目标确定模型损失， 并向着模型损失减小的方向调整所述图模 型及所述第一时间表征模型中的各个待定参数。 2.根据权利要求1所述的方法， 其中， 所述第一子 图/所述第二子 图按照如下方式从所 述动态图中抽取： 基于所述第一时间点/所述第二时间点按照 时间倒序追溯所述第一实体的k个状态变 化； 结合所述 k个状态变化所 涉及的其 他实体， 抽取 所述第一子图/所述第二子图。 3.根据权利要求2所述的方法， 其中， 所述结合所述k个状态变化所涉及的其他实体， 抽 取所述第一子图/所述第二子图包括： 利用所涉及的其他实体确定所述第 一子图/所述第 二子图中对应于所述第 一实体的第 一节点的至少一个一阶邻居节点； 根据所述至少一个一阶邻居节点各自按照 时间倒序的n个状态变化， 为所述第一节点 从所述动态 图抽取所述第一节点至多n+1阶的邻居节点， 得到所述第一子图/所述第二子 图， n小于或等于k。 4.根据权利要求1所述的方法， 其中， 在第一子图/第二子图中， 各个实体对应各个节 点， 具有直接和/或间接连接关系的节点互为邻居节点， 所述第一实体对应第一节点， 各个 节点分别对应各个当前表达向量； 针对第一子图/第二子图， 所述图模型通过以下方式处理 第一子图/第二子图得到所述第一表达向量/所述第二表达向量： 针对所述第一节点的各个邻居节点， 分别确定相应的基于时间的当前融合向量， 单个 邻居节点的当前融合向量经由其当前表达向量与相应的单个时间表征向量融合得到， 所述 单个时间表达 向量经由第二时间表征模型处理相 应的实体状态变化信息对应的时间点与 所述第一时间点/所述第二时间点之间的时间 间隔确定； 基于对所述第一节点的各个邻居节点的当前融合向量的融合， 得到所述第一表达向 量/所述第二表达向量。 5.根据权利要求4所述的方法， 其中， 所述第 二时间表征模型和所述第 一时间表征模型 具有一致的结构， 以及 彼此之间相互独立的待定参数。 6.根据权利要求1所述的方法， 其中， 所述第一时间表征模型通过m个维度的周期函数 构建第一时间表征向量。 7.根据权利要求6所述的方法， 其中， 所述周期函数为正弦函数、 余弦函数中的至少一 个， 在m为偶数的情况下， 所述第一时间表征向量包括m/2维的正弦函数和m/2维的余弦函权　利　要　求　书 1/3 页 2 CN 113987280 A 2数， 其中， 单个正弦函数和单个余弦函数相对应， 且对应的角度均由所述第一时间差和相应 的单个待定参数确定 。 8.根据权利要求1所述的方法， 其中， 所述 f‑信息为基于所述第一表达向量和所述第二 表达向量之 间的相似性的判别结果构建的互信息； 所述基于所述第一时间表征向量确定所 述第一表达向量和所述第二表达向量之间的f ‑信息包括： 基于所述第一时间表征向量确定所述第一表达向量和所述第二表达向量的相似度； 利用预定判别函数处 理所述相似度， 以得到所述判别结果； 根据所述判别结果确定所述第一表达向量和所述第二表达向量之间的互信息作为所 述f‑信息。 9.根据权利要求8所述的方法， 其中， 所述相似度通过以下 方式确定： 经由第一参数矩阵对所述第 一时间表征向量的处理结果， 确定所述第 一表达向量和所 述第二表达向量各个维度分别对应的各个重要程度； 根据各个重要程度， 对所述第 一表达向量和所述第 二表达向量相应维度 元素乘积加权 求和， 得到所述相似度。 10.根据权利要求9所述的方法， 其中， 所述第一表达向量和所述第二表达向量的维度 为d， 所述第一时间表征向量的维度为m， 所述第一参数矩阵由d ×d个维度为m 的向量构成， 单个重要程度为单个维度为m的向量与所述第一时间表征向量的内积。 11.一种针对动态图训练图模型的装置， 所述动态图是包含与时间相关的实体状态变 化信息的图数据， 所述装置包括： 获取单元， 配置为获取第 一实体对应第 一时间点的第 一表达向量和对应第 二时间点第 二表达向量， 所述第一时间点和所述第二时间点之间的第一时间差小于预定阈值， 所述第 一表达向量及所述第二表达 向量基于所述图模型分别针对所述动态图在第一时间点的第 一子图、 在第二时间点的第二子图进行的处 理确定； 时间表征单元， 配置为通过第 一时间表征模型确定所述第 一时间差对应的第 一时间表 征向量； 确定单元， 配置为基于所述第 一时间表征向量确定所述第 一表达向量和所述第 二表达 向量之间的f ‑信息； 调整单元， 配置为以所述互信息最大化为目标确定模型损 失， 并向着模型损 失减小的 方向调整所述图模型及所述第一时间表征模型中的各个待定参数。 12.根据权利要求11所述的装置， 其中， 所述装置还包括抽取单元， 配置按照如下方式 从所述动态图中抽取为所述第一子图/所述第二子图： 基于所述第一时间点/所述第二时间点按照 时间倒序追溯所述第一实体的k个状态变 化； 结合所述 k个状态变化所 涉及的其 他实体， 抽取 所述第一子图/所述第二子图。 13.根据权利要求12所述的装置， 其中， 在第一子图/第 二子图中， 各个实体对应各个节 点， 具有直接和/或间接连接关系的节点互为邻居节点， 所述第一实体对应第一节点， 各个 节点分别对应各个当前表达向量； 所述装置还包括处理单元， 配置为针对第一子图/第二子 图， 利用所述图模型通过以下方式处理第一子图/第二子图得到所述第一表达向量/所述第 二表达向量：权　利　要　求　书 2/3 页 3 CN 113987280 A 3