异常节点识别方法、装置、设备、存储介质及程序产品与流程

本技术涉及人工智能技术，尤其涉及一种异常节点识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品。

背景技术：

1、人工智能(ai，artificial intelligence)是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

2、异常识别是人工智能领域的重要应用之一，能够在大规模的图数据中识别出社交网络中的异常对象或异常群组，从而控制异常对象或异常群组的异常行为。

3、相关技术中缺乏社交网络中异常识别的有效方案，主要依赖于对社交网络中的节点进行编码，得到节点的编码向量，以基于编码向量识别出异常节点。但是，这种方案识别出的异常节点不准确，浪费了大量的计算资源。

技术实现思路

1、本技术实施例提供一种异常节点识别方法、装置、电子设备、计算机可读存储介质及计算机程序产品，能够准确地识别出异常的对象节点或群组节点，提高异常节点识别的准确性。

2、本技术实施例的技术方案是这样实现的：

3、本技术实施例提供一种异常节点识别方法，包括：

4、获取包括多个节点的异构图，其中，所述节点为对象节点或者群组节点；

5、对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重；

6、基于每个所述节点的类型级注意力权重，对每个所述节点进行节点级注意力处理，得到每个所述节点的节点级注意力权重；

7、基于每个所述节点的节点级注意力权重，对所述异构图中的节点进行编码处理，得到每个所述节点的嵌入特征；

8、基于每个所述节点的嵌入特征，对每个所述节点进行异常识别处理，得到每个所述节点的异常识别结果。

9、本技术实施例提供一种异常节点识别装置，包括：

10、获取模块，用于获取包括多个节点的异构图，其中，所述节点为对象节点或者群组节点；

11、注意力模块，用于对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重；

12、基于每个所述节点的类型级注意力权重，对每个所述节点进行节点级注意力处理，得到每个所述节点的节点级注意力权重；

13、编码模块，用于基于每个所述节点的节点级注意力权重，对所述异构图中的节点进行编码处理，得到每个所述节点的嵌入特征；

14、识别模块，用于基于每个所述节点的嵌入特征，对每个所述节点进行异常识别处理，得到每个所述节点的异常识别结果。

15、上述技术方案中，所述对所述异构图中的节点进行基于邻居节点的类型的注意力处理，得到每个所述节点的类型级注意力权重之前，所述获取模块还用于基于所述对象节点与所述群组节点之间的至少一种边关系，确定所述对象节点与所述群组节点之间的边的权重。

16、上述技术方案中，所述获取模块还用于获取所述对象节点与所述群组节点之间的至少一种边关系分别对应的权重；

17、对所述对象节点与所述群组节点之间的至少一种边关系分别对应的权重进行加和处理，得到所述对象节点与所述群组节点之间的边的权重。

18、上述技术方案中，所述注意力模块还用于针对所述异构图中的节点v执行以下处理：

19、确定所述节点v的任一类型的至少一个邻居节点，其中，所述任一类型的至少一个邻居节点为通过所述任一类型的边关系与所述节点v连接的节点；

20、对所述至少一个邻居节点的节点特征进行聚合处理，得到所述节点v在所述任一类型下的特征表示；

21、对所述节点v在所述任一类型下的特征表示以及所述节点v的节点特征进行注意力处理，得到所述节点v在所述任一类型下的注意力权重；

22、将所述节点v在多个所述类型下的注意力权重的集合，作为每个所述节点的类型级注意力权重。

23、上述技术方案中，所述注意力模块还用于确定每个所述邻居节点与所述节点v之间的边的权重；

24、基于每个所述邻居节点与所述节点v之间的边的权重，对每个所述邻居节点的节点特征进行加权求和处理，得到所述节点v在所述任一类型下的特征表示。

25、上述技术方案中，所述注意力模块还用于对所述节点v在所述任一类型下的特征表示以及所述节点v的节点特征进行融合处理，得到所述节点v在所述任一类型下的融合特征；

26、基于所述任一类型的可学习参数，对所述节点v在所述任一类型下的融合特征进行映射处理，得到所述节点v在所述任一类型下的注意力分值；

27、对所述节点v在所述任一类型下的注意力分值进行归一化处理，得到所述节点v在所述任一类型下的注意力权重。

28、上述技术方案中，所述注意力模块还用于针对所述异构图中的节点v执行以下处理：

29、确定所述节点v的任一类型的至少一个邻居节点，其中，所述任一类型的至少一个邻居节点为通过所述任一类型的边关系与所述节点v连接的节点；

30、从所述节点v的类型级注意力权重中，获取所述节点v在所述任一类型下的注意力权重；

31、基于所述节点v在所述任一类型下的注意力权重以及所述至少一个邻居节点，对所述节点v进行注意力处理，得到所述节点v的节点级注意力权重。

32、上述技术方案中，所述注意力模块还用于对所述节点v的特征表示以及每个所述邻居节点的节点特征进行融合处理，得到所述节点v与每个所述邻居节点之间的融合特征；

33、基于所述节点v在所述任一类型下的注意力权重，对所述节点v与每个所述邻居节点之间的融合特征进行加权处理，得到加权后的所述融合特征；

34、对加权后的所述融合特征进行映射处理，得到所述节点v与每个所述邻居节点之间的注意力分值；

35、对所述节点v与每个所述邻居节点之间的注意力分值进行归一化处理，得到所述节点v与每个所述邻居节点之间的节点级注意力权重。

36、上述技术方案中，所述编码模块还用于确定每个所述节点的至少一个邻居节点，并确定每个所述节点与每个所述邻居之间的节点级注意力权重；

37、基于每个所述节点与每个所述邻居之间的节点级注意力权重，对每个所述邻居节点的节点特征进行映射处理，得到每个所述节点的嵌入特征。

38、上述技术方案中，所述识别模块还用于对每个所述节点的嵌入特征以及每个所述节点的节点特征进行拼接处理，得到每个所述节点的拼接特征；

39、对每个所述节点的拼接特征进行基于异常节点的分类处理，得到每个所述节点的异常分值；

40、基于每个所述节点的异常分值，确定每个所述节点的异常识别结果。

41、上述技术方案中，每个所述节点的嵌入特征是通过注意力机制实现的；所述注意力模块还用于针对所述异构图中的节点v执行以下处理：对通过多个所述注意力机制分别得到的每个所述节点的嵌入特征进行融合处理，得到每个所述节点的融合嵌入特征；

42、所述识别模块还用于基于每个所述节点的融合嵌入特征，对每个所述节点进行异常识别处理，得到每个所述节点的异常识别结果。

43、本技术实施例提供一种用于异常节点识别的电子设备，所述电子设备包括：

44、存储器，用于存储计算机程序或计算机可执行指令；

45、处理器，用于执行所述存储器中存储的计算机程序或计算机可执行指令时，实现本技术实施例提供的异常节点识别方法。

46、本技术实施例提供一种计算机可读存储介质，存储有计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时实现本技术实施例提供的异常节点识别方法。

47、本技术实施例提供一种计算机程序产品，包括计算机程序或计算机可执行指令，所述计算机程序或计算机可执行指令被处理器执行时实现本技术实施例提供的异常节点识别方法。

48、本技术实施例具有以下有益效果：

49、通过对异构图中的节点进行基于邻居节点的类型的注意力处理，以使节点更好地聚合不同边类型的节点特征，并通过对节点进行节点级注意力处理，以使节点学习了邻居节点的节点特征，从而提高了节点的嵌入特征的表征能力，基于准确的节点的嵌入特征进行异常识别，从而提高异常节点识别的准确性，并节约了相关的计算资源。