买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本申请实施例公开了一种基于图的网络社团发现方法、装置、设备以及存储介质，可适用于人工智能等领域。该方法包括：获取初始神经网络模型、以及训练数据集，初始神经网络模型包括依次级联的初始图生成模型和初始图节点分类模型，训练数据集包括各样本图；确定第一训练损失值；根据第一训练损失值和训练数据集对初始神经网络模型进行迭代训练，直至满足训练结束条件，以基于训练结束后的图节点分类模型确定待处理图中各节点的类别，并基于待处理图中各节点的类别确定待处理图中的目标网络社团。采用本申请实施例，可发现图中的网络社团，适用性高。

主权项：1.一种基于图的网络社团发现方法，其特征在于，所述方法包括：获取初始神经网络模型、以及训练数据集，所述初始神经网络模型包括依次级联的初始图生成模型和初始图节点分类模型，所述训练数据集包括各样本图；对于每一所述样本图，基于该样本图，通过所述初始图生成模型的编码器，得到该样本图的隐层特征的预测概率分布；获取该样本图的扰动参数，基于所述隐层特征的预测概率分布和所述扰动参数，通过所述初始图生成模型的解码器，得到扰动图；对于每一所述扰动图，通过所述初始图节点分类模型的编码器，得到该扰动图中各节点对应的第一编码特征；基于该扰动图中各节点的第一编码特征，通过所述初始图节点分类模型的解码器，得到该扰动图中各节点的预测类别；基于各所述扰动图中各节点的预测类别，以及各所述样本图对应的关联特征，确定各所述样本图中各网络社团之间的连接权重，基于所述连接权重确定第一训练损失值，所述第一训练损失值表征了对应于不同类别的网络社团之间的差异；根据所述第一训练损失值和所述训练数据集对所述初始神经网络模型进行迭代训练，直至满足训练结束条件，以基于训练结束后的图节点分类模型确定待处理图中各节点的类别，并基于所述待处理图中各节点的类别确定所述待处理图中的目标网络社团；其中，每个所述样本图和所述待处理图中的节点为相应网络社团内的对象，节点之间的边用于表征对象之间的关系；所述网络社团包括社交网络或者支付网络，所述支付网络中各节点的类别或者预测类别包括支付行为正常的正常类别以及支付行为异常的异常类别，所述社交网络中各节点的类别和预测类别包括用于表示节点为谣言传播节点的类别以及用于表示节点为无谣言节点的类别；所述根据所述第一训练损失值和所述训练数据集对所述初始神经网络模型进行迭代训练，包括：根据所述第一训练损失值、第二训练损失值以及所述训练数据集对所述初始神经网络模型进行迭代训练，或者，根据所述第一训练损失值、第四训练损失值以及所述训练数据集对所述初始神经网络模型进行迭代训练；其中，所述第二训练损失值是基于以下方式确定的：对于每一所述样本图，获取该样本图所对应的先验概率分布；基于各所述样本图所对应的预测概率分布和先验概率分布，确定第二训练损失值；所述第四训练损失值是基于以下方式确定的：对于每一所述样本图，基于该样本图，通过所述初始图节点分类模型的编码器，得到该样本图中各节点的第二编码特征；基于各所述样本图中各节点所对应的第一编码特征和第二编码特征，计算第四训练损失值。

全文数据：

权利要求：

百度查询： 腾讯科技(深圳)有限公司 基于图的网络社团发现方法、装置、设备以及存储介质