一种数据处理方法、装置及存储介质与流程

技术特征：
1.一种数据处理方法，其特征在于，所述方法包括：获取待添加节点和第一目录树，所述第一目录树中包括一个或多个节点；利用评分模型确定所述待添加节点和所述第一目录树中的每个节点之间的匹配度，所述评分模型包括路径选择网络和层级选择网络，所述路径选择网络用于确定所述待添加节点和所述每个节点之间的路径匹配度，所述层级选择网络用于确定所述待添加节点和所述每个节点之间的层级匹配度；根据所述匹配度从所述第一目录树中确定目标节点，并根据所述目标节点的位置将所述待添加节点添加到所述第一目录树中。2.根据权利要求1所述的方法，其特征在于，所述评分模型还包括特征提取网络，所述利用评分模型确定所述待添加节点和所述第一目录树中的每个节点之间的匹配度，包括：利用所述特征提取网络确定所述待添加节点和所述第一目录树中的每个节点之间的路径关系编码表示和层级关系编码表示；利用所述路径关系编码表示和所述路径选择网络确定所述待添加节点和所述每个节点之间的路径匹配度；利用所述层级关系编码表示和所述层级选择网络确定所述待添加节点和所述每个节点之间的层级匹配度；根据所述路径匹配度和所述层级匹配度确定所述待添加节点和所述每个节点之间的匹配度。3.根据权利要求2所述的方法，其特征在于，所述层级匹配度包括前进概率、当前层级概率以及最大后退概率；所述利用所述层级关系编码表示和所述层级选择网络确定所述待添加节点和所述每个节点之间的层级匹配度，包括：利用所述层级关系编码表示和所述层级选择网络，确定所述待添加节点和所述每个节点之间的当前层级概率；利用所述层级关系编码表示和所述层级选择网络，确定所述待添加节点和所述每个节点的父节点之间的前进概率；利用所述层级关系编码表示和所述层级选择网络，确定所述待添加节点和所述每个节点的各个子节点之间的后退概率中的最大后退概率；根据所述前进概率、所述当前层级概率以及所述最大后退概率确定所述待添加节点和所述每个节点之间的层级匹配度。4.根据权利要求1～3中任一项所述的方法，其特征在于，所述利用评分模型确定所述待添加节点和所述第一目录树中的每个节点之间的匹配度之前，所述方法还包括：获取训练样本集，所述训练样本集中的每个样本包括由锚定节点和请求节点组成的节点对以及所述节点对包括的锚定节点和请求节点之间的真实匹配度，所述锚定节点和所述请求节点为第二目录树中任意两个不同的节点，所述真实匹配度包括真实路径匹配度和真实层级匹配度，所述第二目录树是第一目录树的种子目录树；根据所述每个样本包括的节点对和所述第二目录树确定所述每个样本的自我中心树，所述请求节点在所述自我中心树中为所述锚定节点的子节点；利用所述自我中心树和所述真实匹配度对初始模型进行训练，得到评分模型，所述初始模型包括特征提取网络、路径选择网络和层级选择网络。
5.根据权利要求4所述的方法，其特征在于，所述特征提取网络包括关系探测模块和一致性探测模块，所述利用所述自我中心树和所述真实匹配度对初始模型进行训练，得到评分模型，包括：利用所述关系探测模块和所述一致性探测模块对所述每个样本的自我中心树进行处理，得到所述每个样本对应的路径关系编码表示和层级关系编码表示；将所述路径关系编码表示输入所述初始模型中的路径选择网络，得到所述每个样本对应的预测路径匹配度；将所述层级关系编码表示输入所述初始模型中的层级选择网络，得到所述每个样本对应的预测层级匹配度；基于所述真实匹配度、所述每个样本对应的预测路径匹配度、预测层级匹配度以及总损失值，对所述初始模型中的特征提取网络、路径选择网络和层级选择网络的网络参数进行调整，以训练得到评分模型。6.根据权利要求5所述的方法，其特征在于，所述基于所述真实匹配度、所述每个样本对应的预测路径匹配度、预测层级匹配度以及总损失值，对所述初始模型中的特征提取网络、路径选择网络和层级选择网络的网络参数进行调整，以训练得到评分模型之前，所述方法还包括：根据所述每个样本中节点对的真实路径匹配度以及预测路径匹配度，确定第一损失函数的损失值；根据所述每个样本中节点对的真实层级匹配度以及预测层级匹配度，确定第二损失函数的损失值；基于所述第一损失函数的损失值、所述第二损失函数的损失值以及所述第一损失函数和所述第二损失函数各自的权重系数确定总损失值。7.根据权利要求5所述的方法，其特征在于，所述利用所述关系探测模块和所述一致性探测模块对所述每个样本的自我中心树进行处理，得到所述每个样本对应的路径关系编码表示和层级关系编码表示，包括；针对所述每个样本的自我中心树中的任一节点，将所述任一节点和所述每个样本中的请求节点输入所述关系探测模块，确定所述任一节点和所述请求节点之间的关系向量表示；根据所述任一节点的绝对层级、相对层级以及节点类别分别确定所述任一节点的绝对层级向量表示、相对层级向量表示以及分段向量表示；根据所述任一节点的关系向量表示、绝对层级向量表示、相对层级向量表示以及分段向量表示，确定所述任一节点的总向量表示；将所述自我中心树中所有节点的总向量表示组成的特征矩阵输入所述一致性探测模块，得到所述每个样本对应的路径关系编码表示和层级关系编码表示。8.根据权利要求7所述的方法，其特征在于，所述将所述任一节点和所述每个样本中的请求节点输入所述关系探测模块，确定所述任一节点和所述请求节点之间的关系向量表示，包括：利用释义生成算法分别确定所述任一节点的释义信息和所述每个样本中的请求节点的释义信息；
将所述任一节点的释义信息和所述请求节点的释义信息输入基于变换器的双向编码表示模型，得到所述任一节点和所述请求节点之间的关系向量表示。9.一种数据处理装置，其特征在于，所述装置包括：获取模块，用于获取待添加节点和第一目录树，所述第一目录树中包括一个或多个节点；处理模块，用于利用评分模型确定所述待添加节点和所述第一目录树中的每个节点之间的匹配度，所述评分模型包括路径选择网络和层级选择网络，所述路径选择网络用于确定所述待添加节点和所述每个节点之间的路径匹配度，所述层级选择网络用于确定所述待添加节点和所述每个节点之间的层级匹配度；所述处理模块，还用于根据所述匹配度从所述第一目录树中确定目标节点，并根据所述目标节点的位置将所述待添加节点添加到所述第一目录树中。10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～8任一项所述的数据处理方法。

技术总结
一种数据处理方法、装置及存储介质，该方法包括：获取待添加节点和第一目录树，所述第一目录树中包括一个或多个节点；利用评分模型确定所述待添加节点和所述第一目录树中的每个节点之间的匹配度，所述评分模型包括路径选择网络和层级选择网络，所述路径选择网络用于确定所述待添加节点和所述每个节点之间的路径匹配度，所述层级选择网络用于确定所述待添加节点和所述每个节点之间的层级匹配度；根据所述匹配度从所述第一目录树中确定目标节点，并根据所述目标节点的位置将所述待添加节点添加到所述第一目录树中，可以利用层级和路径两个方面的匹配度准确地确定出待添加节点在目录树中的添加位置，从而提升扩展目录树时的准确性与一致性。准确性与一致性。准确性与一致性。


技术研发人员：王苏羽晨 赵瑞辉
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：2021.01.29
技术公布日：2021/10/28