训练图生成网络、训练图神经网络的方法及装置与流程

技术特征：
1.一种训练图生成网络的方法，包括：获取从原始关系图中提取的第一子图，其中各样本节点对应各样本用户，所述样本用户包括至少一个风险用户，边表示各样本用户之间的关联关系；获取扰动节点集，其中包括由正常用户构成的目标节点，以及目标节点的邻居节点；利用图生成网络，处理所述第一子图和所述扰动节点集，生成所述第一子图中至少一个样本节点和所述目标节点之间的预测边，通过在所述第一子图上添加所述扰动节点集，并用所述预测边连接所述至少一个样本节点和所述目标节点，构成第二子图；利用图判别网络，预测所述第二子图为原始子图的第一概率；以最大化所述第一概率为目标，训练所述图生成网络。2.如权利要求1所述的方法，还包括：利用所述图判别网络，预测所述第一子图为原始子图的第二概率；以最小化所述第一概率，最大化所述第二概率为目标，训练所述图判别网络。3.如权利要求1所述的方法，其中，所述关联关系包括如下关系之一：交易关系、社交关系、转账关系。4.如权利要求1所述的方法，其中，所述获取扰动节点集，包括：从预设的白名单库中，随机选取正常用户，构成所述目标节点，所述白名单库用于记录经过确认的正常用户；在所述原始关系图中，确定出所述目标节点对应的邻居节点。5.如权利要求1所述的方法，其中，所述图生成网络包括第一聚合层和边预测层；所述生成所述第一子图中至少一个样本节点和所述目标节点之间的预测边，包括：利用所述第一聚合层，对所述第一子图中各样本节点进行表征聚合，得到各个样本节点的第一聚合表征，根据所述邻居节点对所述目标节点进行表征聚合，得到第二聚合表征；利用所述边预测层，基于各第一聚合表征和所述第二聚合表征，确定各个样本节点分别与所述目标节点进行连接的连接概率；基于各连接概率，生成至少一个样本节点和所述目标节点之间的预测边。6.如权利要求5所述的方法，其中，所述基于各连接概率，生成至少一个样本节点和所述目标节点之间的预测边，包括：若连接概率大于预设概率阈值，针对该连接概率对应的样本节点和所述目标节点，生成预测边。7.如权利要求5所述的方法，所述图生成网络还包括边表征生成层；所述方法还包括：针对所述至少一个样本节点中的各样本节点，利用所述边表征生成层，根据该样本节点的第一聚合表征和所述第二聚合表征，确定该样本节点与所述目标节点之间的预测边的边预测表征。8.如权利要求1所述的方法，其中，所述图判别网络包括第二聚合层和分类层；所述预测所述第二子图为原始子图的第一概率，包括：利用所述第二聚合层，对所述第二子图中各节点进行表征聚合，得到各节点的第三聚合表征；利用各节点的第三聚合表征，确定所述第二子图的综合表征；利用所述分类层处理所述综合表征，确定所述第一概率。9.如权利要求8所述的方法，其中，所述确定所述第二子图的综合表征，包括：
从所述各节点中确定出中心节点，将所述中心节点的第三聚合表征，确定为所述综合表征；或对各节点的第三聚合表征进行聚合，得到所述综合表征。10.如权利要求9所述的方法，其中，所述对各节点的第三聚合表征进行聚合，包括：对各节点的第三聚合表征以及所述第二子图中各边的边表征进行聚合。11.一种训练图神经网络的方法，包括：获取从原始关系图中提取的原始子图，其中各样本节点对应各样本用户，所述样本用户包括至少一个风险用户，边表示各样本用户之间的关联关系；获取扰动节点集，其中包括由正常用户构成的目标节点，以及目标节点的邻居节点；利用训练好的图生成网络，处理所述原始子图和所述扰动节点集，生成所述原始子图中至少一个样本节点和所述目标节点之间的预测边，通过在所述原始子图上添加所述扰动节点集，并用所述预测边连接所述至少一个样本节点和所述目标节点，构成扰动子图；利用所述扰动子图和所述原始子图的标签，训练目标图神经网络，其用于识别输入子图中指定节点对应的用户是否为风险用户。12.一种训练图生成网络的装置，包括：第一获取模块，配置为获取从原始关系图中提取的第一子图，其中各样本节点对应各样本用户，所述样本用户包括至少一个风险用户，边表示各样本用户之间的关联关系；第二获取模块，配置为获取扰动节点集，其中包括由正常用户构成的目标节点，以及目标节点的邻居节点；第一处理生成模块，配置为利用图生成网络，处理所述第一子图和所述扰动节点集，生成所述第一子图中至少一个样本节点和所述目标节点之间的预测边，通过在所述第一子图上添加所述扰动节点集，并用所述预测边连接所述至少一个样本节点和所述目标节点，构成第二子图；第一预测模块，配置为利用图判别网络，预测所述第二子图为原始子图的第一概率；第一训练模块，配置为以最大化所述第一概率为目标，训练所述图生成网络。13.一种训练图神经网络的装置，包括：第三获取模块，配置为获取从原始关系图中提取的原始子图，其中各样本节点对应各样本用户，所述样本用户包括至少一个风险用户，边表示各样本用户之间的关联关系；第四获取模块，配置为获取扰动节点集，其中包括由正常用户构成的目标节点，以及目标节点的邻居节点；第二处理生成模块，配置为利用训练好的图生成网络，处理所述原始子图和所述扰动节点集，生成所述原始子图中至少一个样本节点和所述目标节点之间的预测边，通过在所述原始子图上添加所述扰动节点集，并用所述预测边连接所述至少一个样本节点和所述目标节点，构成扰动子图；第二训练模块，配置为利用所述扰动子图和所述原始子图的标签，训练目标图神经网络，其用于识别输入子图中指定节点对应的用户是否为风险用户。14.一种计算设备，包括存储器和处理器，其中，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-11中任一项所述的方法。

技术总结
本说明书实施例提供一种训练图生成网络、训练图神经网络的方法及装置，该方法包括：获取从原始关系图中提取的第一子图，其中各样本节点对应各样本用户，样本用户包括至少一个风险用户，边表示各样本用户之间的关联关系；获取扰动节点集，其中包括由正常用户构成的目标节点，及目标节点的邻居节点；利用图生成网络，处理第一子图和扰动节点集，生成第一子图中至少一个样本节点和目标节点之间的预测边，通过在第一子图上添加扰动节点集，并用预测边连接至少一个样本节点和目标节点，构成第二子图；利用图判别网络，预测第二子图为原始子图的第一概率；以最大化第一概率为目标，训练图生成网络。网络。网络。


技术研发人员：赵闻飙 朱亮 田胜 但家旺
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：2022.11.29
技术公布日：2022/12/30