一种对象参数的确定方法、装置、设备及存储介质与流程

1.本发明实施例涉及反欺诈领域，尤其涉及一种对象参数的确定方法、装置、设备及存储介质。


背景技术：

2.目前，评分卡模型广泛用于金融行业的风险评估与控制，对于传统的评分卡方案，都是直接对用户特征采用逻辑回归，gbdt等机器学习方法来进行建模，以用来预测用户是否会产生欺诈。
3.现有的技术方法没有考虑到用户和用户之间是否存在关联，导致评价结果不全面，降低了评分卡模型的精度，评价准确度不够高。


技术实现要素：

4.鉴于此，为解决上述评价准确度不够高的技术问题，本发明实施例提供一种对象参数的确定方法、装置、设备及存储介质。
5.第一方面，本发明实施例提供一种对象参数的确定方法，包括：
6.根据对象信息构建对象对应的节点分布图，所述节点分布图中相连节点之间对应的对象信息存在交集；
7.从所述节点分布图中确定目标节点的所有邻居节点；
8.基于对象信息确定目标节点与每个邻居节点的特征参数；
9.基于所述特征参数确定每个邻居节点与所述目标节点的相关性系数，得到多组所述特征参数对应的多个相关性系数；
10.基于多个所述相关性系数确定所述目标节点对应的特征向量；
11.基于所述特征向量确定所述目标节点对应的对象参数。
12.在一个可能的实施方式中，所述根据对象信息构建对象对应的节点分布图，包括：
13.获取多个对象的对象信息，将所述对象信息中具有相同特征信息的对象关联构建节点分布图，所述对象信息中包括至少一个特征信息。
14.在一个可能的实施方式中，所述从所述节点分布图中确定目标节点的所有邻居节点，包括：
15.从所述节点分布图中确定与目标节点相关联的所有节点作为所有邻居节点。
16.在一个可能的实施方式中，所述基于所述特征参数确定每个邻居节点与所述目标节点的相关性系数，得到多组所述特征参数对应的多个相关性系数，包括：
17.基于所述特征参数和对应的权重信息采用注意力机制attention mechanism确定每个邻居节点与所述目标节点的相关性系数。
18.在一个可能的实施方式中，所述基于多个所述相关性系数确定所述目标节点对应的特征向量，包括：
19.采用逻辑回归softmax模型对多个所述相关性系数进行归一化处理得到多个归一
化后的相关性系数；
20.将多个所述归一化后的相关性系数和所述特征参数进行加权求和得到所述目标节点对应的特征向量。
21.在一个可能的实施方式中，所述基于所述特征向量确定所述目标节点对应的对象参数，包括：
22.采用分类器classifier确定所述目标节点对应的对象参数；
23.基于所述对象参数通过交叉熵cross entropy确定损失函数；
24.基于损失函数确定所述目标节点对应的对象参数是否正确。
25.在一个可能的实施方式中，在所述基于所述特征参数确定每个邻居节点与所述目标节点的相关性系数，得到多组所述特征信息对应的多个相关性系数之前，所述方法还包括：
26.基于所述特征参数确定目标节点与每个邻居节点的关联关系对应的关联参数，所述关联参数用于指示所述邻居节点的重要性；
27.基于所述参数对多个所述邻居节点进行重要性排序；
28.基于所述重要性排序对预设数量的所述邻居节点进行采样；
29.对采样后的邻居节点进行确定相关性系数的步骤。
30.第二方面，本发明实施例提供一种对象参数的确定装置，包括：
31.构图模块，用于根据对象信息构建对象对应的节点分布图，所述节点分布图中相连节点之间对应的对象信息存在交集；
32.确定模块，用于从所述节点分布图中确定目标节点的所有邻居节点；基于对象信息确定目标节点与每个邻居节点的特征参数；基于所述特征参数确定每个邻居节点与所述目标节点的相关性系数，得到多组所述特征参数对应的多个相关性系数；基于多个所述相关性系数确定所述目标节点对应的特征向量；基于所述特征向量确定所述目标节点对应的对象参数。
33.第三方面，本发明实施例提供一种设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的对象参数的确定程序，以实现上述第一方面中任一项所述的对象参数确定方法。
34.第四方面，本发明实施例提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述第一方面中任一项所述的对象参数确定方法。
35.本发明实施例涉及一种对象参数的确定方案，通过节点之间的关联关系构建节点分布图，根据节点分布图确定邻居节点与目标节点的关联关系对应的特征参数，基于所述参数确定每个邻居节点与目标节点的相关性系数，基于相关性系数确定目标节点对应的特征向量；基于特征向量确定目标节点对应的对象参数。由此，可以实现根据每个对象之间的关联确定对象参数，增加了参数的准确性。
附图说明
36.图1为本发明实施例提供的一种对象参数的确定方法的流程示意图；
37.图2为本发明实施例提供的另一种对象参数的确定方法的流程示意图；
38.图3为本发明实施例提供的一种对象参数的确定装置的结构示意图；
39.图4为本发明实施例提供的一种设备的结构示意图。
具体实施方式
40.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
41.为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。
42.图1为本发明实施例提供的一种对象参数的确定方法的流程示意图，如图1所示，该方法具体包括：
43.s11、根据对象信息构建对象对应的节点分布图，所述节点分布图中相连节点之间对应的对象信息存在交集。
44.本发明实施例提供的对象参数确定方法可以应用于金融领域，例如，在金融风控领域识别用户是否有欺诈意向，所述对象参数可以是表示对象类别的的一个评分或概率，具体使用构图的方法确定目标对象与邻居对象关联关系，根据关联关系确定对象的参数。
45.在本实施例中，对象是指用户，对象信息是指用户注册时提供的用户信息，例如，设备id、ip、手机号、身份证号、申请次数、申请金额、成功次数和失败次数等等，每个对象对应节点分布图中的一个节点，节点分布图中相连的节点间都有至少一个相同的对象信息。
46.具体的，获取每个注册用户的对象信息，每个用户作为一个节点，将具有相同对象信息的节点进行连接，得到节点分布图。
47.s12、从所述节点分布图中确定目标节点的所有邻居节点。
48.在本实施例中，目标节点是指要确定对象参数的对象对应的节点，邻居节点是指与目标节点有相同对象信息的节点，也就是在节点分布图中与目标节点相连接的节点。
49.根据节点分布图，确定目标节点的位置，找到与所述目标节点相连接的所有节点，得到所有邻居节点。
50.s13、基于对象信息确定目标节点与每个邻居节点的特征参数。
51.在本实施例中，特征参数是可以用于指示每个节点的特征的参数，通过确定对象信息中的每个信息对应的特征向量，将特征向量乘预先设定的的权重后进行求和，得到目标节点和邻居节点的特征参数。
52.s14、基于所述特征参数确定每个邻居节点与所述目标节点的相关性系数，得到多组所述特征参数对应的多个相关性系数。
53.在本实施例中，相关性系数是用于指示邻居节点与目标节点相关性的系数，将特征参数乘对应的权重信息后，对邻居节点进行聚合处理得，到邻居节点与目标节点之间的相关性系数。
54.s15、基于多个所述相关性系数确定所述目标节点对应的特征向量。
55.在本实施例中，目标节点对应的特征向量为表示目标节点特征信息的向量，通过对每个邻居节点与目标节点的相关性系数进行进行加权求和，得到一个目标节点对应的向
量，就是目标节点的特征向量。
56.s16、基于所述特征向量确定所述目标节点对应的对象参数。
57.在本实施例中，对象参数可以是表示对象某一概率的参数，例如，表示对象欺诈概率的参数，可以采用分类器(classifier)确定对应的对象参数，并通过损失函数确定对象参数是否正确。
58.本发明实施例涉及一种对象参数的确定方案，通过节点之间的关联关系构建节点分布图，根据节点分布图确定邻居节点与目标节点的关联关系对应的特征参数以及每个邻居节点对应的相关性系数，基于相关性系数确定目标节点对应的特征向量；基于特征向量确定目标节点对应的对象参数。由此，可以实现根据每个对象之间的关联确定对象参数，增加了参数的准确性。
59.图2为本发明实施例提供的另一种对象参数的确定方法的流程示意图，如图2所示，该方法具体包括：
60.s21、获取多个对象的对象信息，将所述对象信息中具有相同特征信息的对象关联构建节点分布图，所述对象信息中包括至少一个特征信息。
61.在本实施例中，对象信息就是用户注册时提供的用户信息，可以包括设备id、ip、手机号、身份证号、申请次数、申请金额、成功次数和失败次数等等，相同特征信息是对象信息中可以用来构建节点分布图的信息。
62.获取每个用户注册时的对象信息，每个用户作为一个节点，将对象信息中具有相同特征信息的节点进行连接，得到节点分布图。
63.例如，节点a对象信息包括手机号和身份证号，节点b对象信息包括手机号和身份证号，节点a的手机号和节点b的手机号一样，相同的特征信息就是手机号，将节点a和节点b相连接构建节点分布图。
64.s22、从所述节点分布图中确定与目标节点相关联的所有节点作为所有邻居节点。
65.在本实施例中，目标节点是指要确定对象参数的对象对应的节点，邻居节点是指与目标节点有相同对象信息的节点，相关联的节点就是在节点分布图中与目标节点相连接的节点。在节点分布图中确定与目标节点连接的所有节点就是所有邻居节点。
66.s23、基于对象信息确定目标节点与每个邻居节点的特征参数。
67.在本实施例中，特征参数是可以用于指示每个节点的特征的参数，通过确定对象信息中的每个信息对应的特征向量，将特征向量乘预先设定的的权重后进行求和，得到目标节点和邻居节点的特征参数。
68.s24、基于所述特征参数确定目标节点与每个邻居节点的关联关系对应的关联参数，所述关联参数用于指示所述邻居节点的重要性。
69.在本实施例中，关联关系是指邻居节点与目标节点的关联程度，关联参数用于指示邻居节点对目标节点的重要性，可以通过特征参数乘对应的权重信息得到重要性系数，根据重要性系数对每个邻居节点与目标节点的关联关系进行聚合，得到每个邻居节点对应的关联参数。
70.例如，特征参数为e
ij
，α和w为预先设定的权重信息，β
ij
为重要性系数，通过β
ij
＝α(we
ij
)得到重要性系数β
ij
，根据β
ij
对每个邻居节点与目标节点的关联关系进行聚合得到关联参数。
71.其中，d表示邻居节点中特征信息的数量，σ为预先设定的权重信息，得到的就是邻居节点对应的关联参数。
72.s25、基于所述关联参数对多个所述邻居节点进行重要性排序，基于所述重要性排序对预设数量的所述邻居节点进行采样。
73.在本实施例中，预先设定排序规则和采样数量，排序规则可以是将关联参数从大到小进行排序，关联参数越大表示对应的邻居节点的重要性越大，采样数量是对预设数量的邻居节点进行采样，当预设采样数量小于邻居节点总数时，使用过采样的方法对邻居节点进行采样；当预设采样数量大于邻居节点总数时，直接对邻居节点进行采样。
74.具体的，将所有邻居节点的关联参数按照预设排序规则从大到小进行排序，根据排序取预设采样数量的邻居节点进行采样，得到采样后的邻居节点其中n是采样的邻居节点的数量。
75.例如，一共有20个邻居节点，按关联参数从大到小进行排序，预设采样数量为10，采用过采样的方法对邻居节点进行采样，得到采样后的10个邻居节点。
76.s26、基于所述特征参数和对应的权重信息采用注意力机制attention mechanism确定采样后的每个邻居节点与所述目标节点的相关性系数。
77.在本实施例中，相关性系数是用于指示邻居节点与目标节点相关性的系数，将特征参数乘对应的权重信息后，对采样后的邻居节点进行聚合处理得，到邻居节点与目标节点之间的相关性系数。采用注意力机制(attention mechanism、am)计算邻居节点与目标节点的相关性系数。
78.具体的，特征参数乘预先设定的权重信息后，采用注意力机制(attention mechanism、am)计算采样后的邻居节点对目标节点的相关性系数。
79.例如，α和w为预先设定的权重信息，和为目标节点和邻居节点对应的特征参数，x
ij
为相关性系数，通过确定每个邻居节点对应的相关性系数。
80.s27、采用逻辑回归softmax模型对多个所述相关性系数进行归一化处理得到多个归一化后的相关性系数，将多个所述归一化后的相关性系数和所述特征参数进行加权求和得到所述目标节点对应的特征向量。
81.在本实施例中，对采样后的邻居节点的相关性系数进行归一化处理，得到归一化后的相关性系数，归一化后的相关性系数乘对应的权重信息后进行求和计算，得到目标节点对应的特征向量。
82.例如，x
ij
为相关性系数，通过
[0083][0084]
对x
ij
进行归一化处理得到归一化后的相关性系数α
ij
。对α
ij
进行加权求和，输出最终的目标节点的特征向量
[0085][0086]
s28、采用分类器classifier确定所述目标节点对应的对象参数，基于所述对象参数通过交叉熵cross entropy确定损失函数，基于损失函数确定所述目标节点对应的对象参数是否正确。
[0087]
在本实施例中，对象参数表示对象的概率参数，可以是对象可能发生欺诈行为的概率，可以用p
i
表示，通过classifie确定上述步骤中特征向量的概率对应的概率对象参数，
[0088]
通过交叉熵(cross entropy)确定概率参数的损失函数，通过损失函数确定目标节点对应的参数信息是否准确。
[0089][0090]
其中，j
θ
表示对象参数，y
i
就是是否欺诈的分值，p
i
是概率参数，m是目标节点的数量。
[0091]
本发明实施例涉及一种对象参数的确定方案，通过节点之间的关联关系构建节点分布图，根据节点分布图确定邻居节点与目标节点的关联关系对应的特征参数，基于所述参数确定每个邻居节点对目标节点的重要性系数，按照重要性系数对排序后的邻居节点进行采样，基于采样后的邻居节点确定目标节点对应的特征向量；基于特征向量确定目标节点对应的对象参数。由此，可以实现根据每个对象之间的关联确定对象参数，增加了参数的准确性。
[0092]
图3为本发明实施例提供的一种对象参数的确定装置的结构示意图，如图3所示，所述装置具体包括：
[0093]
构图模块31，用于根据对象信息构建对象对应的节点分布图，所述节点分布图中相连节点之间对应的对象信息存在交集。
[0094]
确定模块32，用于从所述节点分布图中确定目标节点的所有邻居节点；基于对象信息确定目标节点与每个邻居节点的特征参数；基于所述特征参数确定每个邻居节点与所述目标节点的相关性系数，得到多组所述特征参数对应的多个相关性系数；基于多个所述相关性系数确定所述目标节点对应的特征向量；基于所述特征向量确定所述目标节点对应的对象参数。
[0095]
在一个可能的实施方式中，构图模块31，具体用于获取多个对象的对象信息，将所述对象信息中具有相同特征信息的对象关联构建节点分布图，所述对象信息中包括至少一个特征信息。
[0096]
在一个可能的实施方式中，确定模块32，具体用于从所述节点分布图中确定与目标节点相关联的所有节点作为所有邻居节点。
[0097]
在一个可能的实施方式中，确定模块32，具体用于基于所述特征参数和对应的权重信息采用注意力机制attention mechanism确定每个邻居节点与所述目标节点的相关性系数。
[0098]
在一个可能的实施方式中，确定模块32，具体用于采用逻辑回归softmax模型对多个所述相关性系数进行归一化处理得到多个归一化后的相关性系数；将多个所述归一化后的相关性系数和所述特征参数进行加权求和得到所述目标节点对应的特征向量。
[0099]
在一个可能的实施方式中，确定模块32，具体用于采用分类器classifier确定所述目标节点对应的对象参数；基于所述概率参数通过交叉熵cross entropy确定损失函数；基于损失函数确定所述目标节点对应的对象参数是否正确。
[0100]
在一个可能的实施方式中，所述装置还包括，确定模块32，用于基于所述特征参数确定目标节点与每个邻居节点的关联关系对应的关联参数，所述关联参数用于指示所述邻居节点的重要性；基于所述参数对多个所述邻居节点进行重要性排序；基于所述重要性排序对预设数量的所述邻居节点进行采样；对采样后的邻居节点进行确定相关性系数的步骤。
[0101]
本实施例提供的对象参数的确定装置可以是如图3中所示的装置，可执行如图1或2中对象参数的确定方法的所有步骤，进而实现图1或2所示对象参数的确定方法的技术效果，具体请参照图1相关描述，为简洁描述，在此不作赘述。
[0102]
本发明实施例涉及的一种对象参数的确定装置，通过构图模块构建节点之间的节点分布图，确定模块根据节点分布图确定邻居节点与目标节点的关联关系对应的特征参数，基于所述参数确定每个邻居节点与目标节点的相关性系数，基于相关性系数确定目标节点对应的特征向量；基于特征向量确定目标节点对应的对象参数。由此，可以实现根据每个对象之间的关联确定对象参数，增加了参数的准确性。
[0103]
图4为本发明实施例提供的一种的设备的结构示意图，图4所示的设备400包括：至少一个处理器401、存储器402、至少一个网络接口404和其他用户接口403。设备400中的各个组件通过总线系统405耦合在一起。可理解，总线系统405用于实现这些组件之间的连接通信。总线系统405除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图4中将各种总线都标为总线系统405。
[0104]
其中，用户接口403可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。
[0105]
可以理解，本发明实施例中的存储器402可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read
‑
only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddrsdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synch link dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，drram)。本文描述的存储器402旨在包括但不限于这些和任意其它适合类型的存储器。
[0106]
在一些实施方式中，存储器402存储了如下的元素，可执行单元或者数据结构，或
者他们的子集，或者他们的扩展集：操作系统4021和应用程序4022。
[0107]
其中，操作系统4021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序4022，包含各种应用程序，例如媒体播放器(media player)、浏览器(browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序4022中。
[0108]
在本发明实施例中，通过调用存储器402存储的程序或指令，具体的，可以是应用程序4022中存储的程序或指令，处理器401用于执行各方法实施例所提供的方法步骤，例如包括：
[0109]
根据对象信息构建对象对应的节点分布图，所述节点分布图中相连节点之间对应的对象信息存在交集；
[0110]
从所述节点分布图中确定目标节点的所有邻居节点；
[0111]
基于对象信息确定目标节点与每个邻居节点的特征参数；
[0112]
基于所述特征参数确定每个邻居节点与所述目标节点的相关性系数，得到多组所述特征参数对应的多个相关性系数；
[0113]
基于多个所述相关性系数确定所述目标节点对应的特征向量；
[0114]
基于所述特征向量确定所述目标节点对应的对象参数。
[0115]
在一个可能的实施方式中，获取多个对象的对象信息，将所述对象信息中具有相同特征信息的对象关联构建节点分布图，所述对象信息中包括至少一个特征信息。
[0116]
在一个可能的实施方式中，从所述节点分布图中确定与目标节点相关联的所有节点作为所有邻居节点。
[0117]
在一个可能的实施方式中，基于所述特征参数和对应的权重信息采用注意力机制attention mechanism确定每个邻居节点与所述目标节点的相关性系数。
[0118]
在一个可能的实施方式中，采用逻辑回归softmax模型对多个所述相关性系数进行归一化处理得到多个归一化后的相关性系数；将多个所述归一化后的相关性系数和所述特征参数进行加权求和得到所述目标节点对应的特征向量。
[0119]
在一个可能的实施方式中，采用分类器classifier确定所述目标节点对应的对象参数；基于所述概率参数通过交叉熵cross entropy确定损失函数；基于损失函数确定所述目标节点对应的对象参数是否正确。
[0120]
在一个可能的实施方式中，基于所述特征参数确定目标节点与每个邻居节点的关联关系对应的关联参数，所述关联参数用于指示所述邻居节点的重要性；基于所述参数对多个所述邻居节点进行重要性排序；基于所述重要性排序对预设数量的所述邻居节点进行采样；对采样后的邻居节点进行确定相关性系数的步骤。
[0121]
上述本发明实施例揭示的方法可以应用于处理器401中，或者由处理器401实现。处理器401可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器401中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器401可以是通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用
处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器402，处理器401读取存储器402中的信息，结合其硬件完成上述方法的步骤。
[0122]
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(application specific integrated circuits，asic)、数字信号处理器(digital signal processing，dsp)、数字信号处理设备(dspdevice，dspd)、可编程逻辑设备(programmable logic device，pld)、现场可编程门阵列(field
‑
programmable gate array，fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本技术所述功能的其它电子单元或其组合中。
[0123]
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
[0124]
本实施例提供的设备可以是如图4中所示的设备，可执行如图1
‑
2中对象参数的确定方法的所有步骤，进而实现图1
‑
2所示对象参数的确定方法的技术效果，具体请参照图1
‑
2相关描述，为简洁描述，在此不作赘述。
[0125]
本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。
[0126]
当存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述在对象参数的确定设备侧执行的自动打版方法。
[0127]
所述处理器用于执行存储器中存储的对象参数的确定程序，以实现以下在对象参数的确定设备侧执行的对象参数的确定方法的步骤：
[0128]
根据对象信息构建对象对应的节点分布图，所述节点分布图中相连节点之间对应的对象信息存在交集；
[0129]
从所述节点分布图中确定目标节点的所有邻居节点；
[0130]
基于对象信息确定目标节点与每个邻居节点的特征参数；
[0131]
基于所述特征参数确定每个邻居节点与所述目标节点的相关性系数，得到多组所述特征参数对应的多个相关性系数；
[0132]
基于多个所述相关性系数确定所述目标节点对应的特征向量；
[0133]
基于所述特征向量确定所述目标节点对应的对象参数。
[0134]
在一个可能的实施方式中，获取多个对象的对象信息，将所述对象信息中具有相同特征信息的对象关联构建节点分布图，所述对象信息中包括至少一个特征信息。
[0135]
在一个可能的实施方式中，从所述节点分布图中确定与目标节点相关联的所有节点作为所有邻居节点。
[0136]
在一个可能的实施方式中，基于所述特征参数和对应的权重信息采用注意力机制attention mechanism确定每个邻居节点与所述目标节点的相关性系数。
[0137]
在一个可能的实施方式中，采用逻辑回归softmax模型对多个所述相关性系数进
行归一化处理得到多个归一化后的相关性系数；将多个所述归一化后的相关性系数和所述特征参数进行加权求和得到所述目标节点对应的特征向量。
[0138]
在一个可能的实施方式中，采用分类器classifier确定所述目标节点对应的对象参数；基于所述概率参数通过交叉熵cross entropy确定损失函数；基于损失函数确定所述目标节点对应的对象参数是否正确。
[0139]
在一个可能的实施方式中，基于所述特征参数确定目标节点与每个邻居节点的关联关系对应的关联参数，所述关联参数用于指示所述邻居节点的重要性；基于所述参数对多个所述邻居节点进行重要性排序；基于所述重要性排序对预设数量的所述邻居节点进行采样；对采样后的邻居节点进行确定相关性系数的步骤。
[0140]
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0141]
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd
‑
rom、或技术领域内所公知的任意其它形式的存储介质中。
[0142]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。