图关系网络构建方法、图神经网络模型训练方法及装置与流程

技术特征：
1.一种包含时序信息的图关系网络构建方法，包括：确定目标用户的第一图关系网络，所述第一图关系网络包含用户与用户事件的关系；确定目标用户的各用户事件之间存在的事件对关系，所述事件对关系表示用户事件相继发生；将确定的目标用户的各用户事件之间存在的事件对关系添加至所述第一图关系网络，得到包含时序信息的第二图关系网络。2.根据权利要求1所述的方法，其中，该方法还包括：基于目标用户的事件日志确定目标用户的各用户事件之间存在的事件对关系。3.根据权利要求2所述的方法，其中，基于目标用户的事件日志确定目标用户的各用户事件之间存在的事件对关系，包括：基于目标用户的事件日志确定目标用户的各用户事件及用户事件发生顺序；基于确定的目标用户的各用户事件及用户事件发生顺序，确定目标用户的各用户事件之间存在的事件对关系。4.根据权利要求3所述的方法，其中，该方法还包括：基于目标用户的事件日志确定各事件对关系的发生次数；基于确定的事件对关系的发生次数确定各事件对关系的权重；将确定的各事件对关系的权重添加至第二图关系网络，得到第三图关系网络。5.根据权利要求4所述的方法，其中，所述基于目标用户的事件日志确定各事件对关系的发生次数，之前包括：基于目标用户的事件日志确定目标用户的用户事件；对目标用户的用户事件进行语义归一化处理，得到语义归一化处理后的用户事件；基于语义归一化后的用户事件确定各事件对关系的发生次数。6.根据权利要求1所述的方法，其中，该方法还包括：获取存在关联关系的多个目标用户的第二图关系网络，并将所述存在关联关系的多个目标用户的第二图关系网络进行网络融合，得到第四图关系网络。7.根据权利要求1
‑
6任一项所述的方法，其中，所述用户事件包括以下至少一项：观看视频事件；浏览文章事件；检索事件；广告点击事件。8.一种图神经网络模型训练方法，包括：基于多个训练样本训练图神经网络模型；所述训练样本具有权利要求1
‑
7任一项的包含时序信息的图关系网络。9.根据权利要求8所述的方法，其中，所述包含时序信息的图关系网络的用户事件包括以下至少一项：观看视频事件；浏览文章事件；检索事件；广告点击事件。10.一种包含时序信息的图关系网络构建装置，包括：第一确定模块，用于确定目标用户的第一图关系网络，所述第一图关系网络包含用户与用户事件的关系；第二确定模块，用于确定目标用户的各用户事件之间存在的事件对关系，所述事件对关系表示用户事件相继发生；第一添加模块，用于将确定的目标用户的各用户事件之间存在的事件对关系添加至所
述第一图关系网络，得到包含时序信息的第二图关系网络。11.根据权利要求10所述的装置，其中，该装置还包括：第三确定模块，用于基于目标用户的事件日志确定目标用户的各用户事件之间存在的事件对关系。12.根据权利要求11所述的装置，其中，第三确定模块，包括：第一确定单元，用于基于目标用户的事件日志确定目标用户的各用户事件及用户事件发生顺序；第二确定单元，用于基于确定的目标用户的各用户事件及用户事件发生顺序，确定目标用户的各用户事件之间存在的事件对关系。13.根据权利要求12所述的装置，其中，该装置还包括：第四确定模块，用于基于目标用户的事件日志确定各事件对关系的发生次数；第五确定模块，用于基于确定的事件对关系的发生次数确定各事件对关系的权重；第二添加模块，具体用于将确定的各事件对关系的权重添加至第二图关系网络，得到第三图关系网络。14.根据权利要求13所述的装置，其中，所述第四确定模块，具体用于基于目标用户的事件日志确定目标用户的用户事件；以及用于对目标用户的用户事件进行语义归一化处理，得到语义归一化处理后的用户事件；以及用于基于语义归一化后的用户事件确定各事件对关系的发生次数。15.根据权利要求1
‑
6任一项所述的装置，其中，所述用户事件包括以下至少一项：观看视频事件；浏览文章事件；检索事件；广告点击事件。16.一种图神经网络模型训练装置，包括：训练模块，用于基于多个训练样本训练图神经网络模型；所述训练样本具有权利要求1
‑
7任一项的包含时序信息的图关系网络。17.根据权利要求16所述的装置，其中，所述包含时序信息的图关系网络的用户事件包括以下至少一项：观看视频事件；浏览文章事件；检索事件；广告点击事件。18.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1
‑
9中任一项所述的方法。19.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1
‑
9中任一项所述的方法。20.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1
‑
9中任一项所述的方法。

技术总结
本公开提供了一种图关系网络构建方法、图神经网络模型训练方法及装置，涉及大数据处理领域，尤其涉及用户理解、关系理解、图关系网络构建、图神经网络模型训练技术领域。具体实现方案为：构建的图关系网络中融合了用户事件之间的时序信息，从而构建的包含时序信息的图网络关系能提供更好的用户表征以及用户事件节点表征，为后续的基于图神经网络等的图关系网络数据挖掘提供良好的数据基础。络数据挖掘提供良好的数据基础。络数据挖掘提供良好的数据基础。


技术研发人员：戴明洋 石逸轩 刘子祥 卞传鑫 杨胜文
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2021.07.13
技术公布日：2021/10/19