(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 202210736863.X (22)申请日 2022.06.27 (71)申请人 清华大学 地址 100084 北京市海淀区清华园1号 (72)发明人 朱文武　王鑫　李昊阳　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 苟冬梅 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/762(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 图数据的点表征学习方法、 表征方法及其装 置和存储介质 (57)摘要 本申请提供一种图数据的点表征学习方法、 表征方法及其装置和存储介质， 属于数据处理的 技术领域。 所述学习方法包括： 将作为训练样本 的图数据输入 预设的节点表征模 型中； 通过所述 预设的节 点表征模型对所述图数据进行处理， 确 定所述图数据中每个节点各自的稳定自我子图 与不稳定自我子图， 其中， 所述稳定自我子图用 于表征节 点的稳定特征， 所述不稳定自我子图用 于表征节 点的环境信息； 所述预设的节点表征模 型对所述图数据中所有节点的稳定自我子图进 行学习， 得到学习完毕的节点表征模型。 本申请 旨在对于测试环境与训练环境存在分布差异的 情况下， 自适应地保证模型的预测效果。 权利要求书2页 说明书9页 附图2页 CN 115035349 A 2022.09.09 CN 115035349 A 1.一种分布迁移下图数据的点表征 学习方法， 其特 征在于， 所述学习方法包括： 将作为训练样本的图数据输入预设的节点表征模型中； 通过所述预设的节点表征模型对所述图数据进行处理， 确定所述图数据中每个节点各 自的稳定自我子图与不稳定自我子图， 其中， 所述稳定自我子图用于表征节点的稳定特征， 所述不稳定自我子图用于表征节点的环境信息； 所述预设的节点表征模型对所述图数据中所有节点的稳定自我子图进行学习， 得到学 习完毕的节点表征模型。 2.根据权利要求1所述的学习方法， 其特征在于， 通过所述预设的节点表征模型对所述 图数据进行处理， 确定所述图数据中每个节点各自的稳定自我子图与不稳定自我子图， 包 括： 所述预设的节点表征模型确定所述图数据中每 个节点的自我图； 在任一节点的自我图中， 根据该节点的邻居节点的信息， 更新该节点的节点表征； 根据该节点更新后的节点表征， 分别计算该节点与其自我图中一阶邻居节点之间的相 似度； 根据该节点与其自我图中一阶邻居节点之间的所述相似度， 确定该节点对应的稳定自 我子图与不稳定自我子图。 3.根据权利要求2所述的学习方法， 其特征在于， 根据该节点的邻居节点的信息， 更新 该节点的节点表征， 包括： 对该节点的自我图中所有的节点信息进行邻居聚合； 利用该节点的邻居节点的信息， 对该节点的信息进行 更新， 得到更新后的节点表征。 4.根据权利要求2所述的学习方法， 其特征在于， 根据该节点与其自我图中其他节点之 间的所述相似度， 确定该节点对应的稳定自我子图与不稳定自我子图， 包括： 若该节点与任一个一阶邻居节点的所述相似度大于预设值， 则 两节点之间的边为所述 稳定自我子图内的边； 若该节点与任一个一阶邻居节点的所述相似度小于等于预设值， 则 两节点之间的边为 所述不稳定自我子图内的边。 5.根据权利要求1 ‑4任一项所述的学习方法， 其特征在于， 在确定所述图数据中每个节 点各自的稳定自我子图与不稳定自我子图之后， 所述学习方法还 包括： 对所述每个节点的稳定自我子图与不稳定自我子图进行表征化处理， 得到所述稳定自 我子图与所述不稳定自我子图各自对应的特征， 其中， 所述特征用于描述各个子图的聚类 特性； 对所述图数据中所有节点的所述不稳定自我子图进行聚类， 聚类后的所述不稳定自我 子图表征对应的节点的环境信息 。 6.一种分布迁移下图数据的点表征 方法， 其特 征在于， 所述表征 方法包括： 将待表征的图数据输入权利要求1 ‑5任一项中所述的节点表征模型中； 通过所述节点表征模型对所述待表征的图数据进行处理， 确定所述待表征的图数据中 每个节点各自的稳定自我子图与不稳定自我子图， 其中， 一个节点的稳定 自我子图用于表 征该节点的稳定特 征， 一个节点的不稳定自我子图用于表征 该节点的环境信息； 所述节点表征模型根据 所述待表征的图数据中所有节点的稳定自我子图进行预测， 输权　利　要　求　书 1/2 页 2 CN 115035349 A 2出所述待表征的图数据的节点表征 结果。 7.根据权利要求6所述的学习方法， 其特征在于， 所述节点表征模型的训练样本为： 与 所述待表征的图数据具有相同或不同数据分布的图数据。 8.一种分布迁移下图数据的点表征 学习装置， 其特 征在于， 所述学习装置包括： 训练输入 模块， 用于将作为训练样本的图数据输入预设的节点表征模型中； 处理模块， 用于通过所述预设的节点表征模型对所述图数据进行处理， 确定所述图数 据中每个节点各自的稳定 自我子图与不稳定 自我子图， 其中， 所述稳定自我子图用于表征 节点的稳定特 征， 所述不稳定自我子图用于表征节点的环境信息； 学习模块， 用于使所述预设的节点表征模型对所述图数据中所有节点的稳定自我子图 进行学习， 得到学习完毕的节点表征模型。 9.一种分布迁移下图数据的点表征装置， 其特 征在于， 所述表征装置包括： 输入模块， 用于将待表征的图数据输入权利要求1 ‑5任一项中所述的节点表征模型中； 预测模块， 用于通过所述节点表征模型对所述待表征的图数据进行处理， 确定所述待 表征的图数据中每个节点各自的稳定 自我子图与不稳定 自我子图， 其中， 一个节点的稳定 自我子图用于表征该节点的稳定特征， 一个节点的不稳定自我子图用于表征该节点的环境 信息； 所述节点表征模型根据所述待表征 的图数据中所有节点的稳定 自我子图进行预测， 输出所述待表征的图数据的节点表征 结果。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储计算机程 序， 所述计算机程序被处理器执行时实现如权利要求 1至5中任一项 所述的分布迁移下图数 据的点表征 学习方法， 和/或实现如权利要求6 至7所述的分布迁移下图数据的点表征 方法。权　利　要　求　书 2/2 页 3 CN 115035349 A 3