技术特征：
1.一种基于异质图的关联度确定方法，其特征在于，包括：获取基于节点产生的基础数据信息，并根据所述节点和基础数据信息创建异质图，其中，所述异质图中包含至少两类节点，所述至少两类节点之间的边用于表示顺序关系；利用编码器对所述异质图中的节点进行编码，得到所述节点的第一特征向量，将第一特征向量集作为图卷积网络模型的输入，并利用所述图卷积网络模型对所述节点的局部特征向量和全局特征向量进行整合，得到所述节点的第二特征向量；将第二特征向量集输出到预先训练好的鉴别器网络中，以使所述鉴别器网络利用所述第二特征向量集中的所述第二特征向量进行预测，得到所述节点的第三特征向量；基于所述第三特征向量，利用预设的相似度计算模型，计算目标节点之间的相似度，将所述相似度作为确定所述目标节点之间关联关系的指标。2.根据权利要求1所述的方法，其特征在于，所述获取基于节点产生的基础数据信息，并根据所述节点和基础数据信息创建异质图，包括：确定用于创建异质图的节点，获取所述节点产生的基础数据信息，所述节点包括第一节点和第二节点，将所述第一节点与所述第二节点之间的顺序关系作为边，利用所述第一节点、第二节点以及边创建异质图；其中，所述节点中包含类别特征信息和文本特征信息。3.根据权利要求1所述的方法，其特征在于，所述利用编码器对所述异质图中的节点进行编码，得到所述节点的第一特征向量，包括：确定所述异质图中的元路径以及每个所述元路径对应的邻接矩阵，基于所述元路径以及所述元路径的邻接矩阵，对所述元路径中所述节点对应的特征矩阵进行构造，根据所述特征矩阵以及邻接矩阵，利用所述编码器计算每个所述节点对应的第一特征向量；其中，所述邻接矩阵用于表示所述节点基于所述元路径的连接关系。4.根据权利要求1所述的方法，其特征在于，所述将第一特征向量集作为图卷积网络模型的输入，并利用所述图卷积网络模型对所述节点的局部特征向量和全局特征向量进行整合，得到所述节点的第二特征向量，包括：获取所述元路径中每个所述节点对应的第一特征向量，基于同一所述元路径中所述节点对应的第一特征向量生成所述元路径的第一特征向量集，将所述第一特征向量集输入到所述图卷积网络模型中进行训练；利用所述图卷积网络模型对所述节点的局部特征向量进行局部信息整合，得到局部信息整合后的特征向量；基于所述图卷积网络模型中的池编码器函数对所述局部信息整合后的特征向量进行全局信息整合，并基于全局信息整合后的特征向量生成所述第二特征向量。5.根据权利要求4所述的方法，其特征在于，所述图卷积网络模型采用gcn网络模型，所述利用所述图卷积网络模型对所述节点的局部特征向量进行局部信息整合，得到局部信息整合后的特征向量，包括：基于所述第一特征向量集确定每个所述元路径中节点的第一特征向量，利用所述gcn网络模型中语义层次的注意机制分别对每个所述元路径中节点的第一特征向量进行聚合，得到所述局部信息整合后的特征向量。6.根据权利要求1所述的方法，其特征在于，所述鉴别器网络为采用以下训练方式进行训练得到的网络模型，所述训练方式包括：
将历史数据节点对应的第二特征向量集作为正样本，并获取由负样本生成器生成的负样本，利用所述正样本及所述负样本对所述鉴别器网络进行训练，得到训练后的鉴别器网络。7.根据权利要求1所述的方法，其特征在于，所述基于所述第三特征向量，利用预设的相似度计算模型，计算目标节点之间的相似度，包括：将所述节点中用于计算相似度的节点作为目标节点，将所述目标节点的第三特征向量作为参数，利用余弦相似度计算模型计算所述目标节点之间的相似度，并将所述相似度按照由大到小的顺序进行排列。8.一种基于异质图的关联度确定装置，其特征在于，包括：创建模块，被配置为获取基于节点产生的基础数据信息，并根据所述节点和基础数据信息创建异质图，其中，所述异质图中包含至少两类节点，所述至少两类节点之间的边用于表示顺序关系；整合模块，被配置为利用编码器对所述异质图中的节点进行编码，得到所述节点的第一特征向量，将第一特征向量集作为图卷积网络模型的输入，并利用所述图卷积网络模型对所述节点的局部特征向量和全局特征向量进行整合，得到所述节点的第二特征向量；预测模块，被配置为将第二特征向量集输出到预先训练好的鉴别器网络中，以使所述鉴别器网络利用所述第二特征向量集中的所述第二特征向量进行预测，得到所述节点的第三特征向量；计算模块，被配置为基于所述第三特征向量，利用预设的相似度计算模型，计算目标节点之间的相似度，将所述相似度作为确定所述目标节点之间关联关系的指标。9.一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
技术总结
本说明书实施例提供一种基于异质图的关联度确定方法、装置、电子设备及存储介质。所述方法包括：根据节点和基础数据信息创建异质图；利用编码器对异质图中的节点进行编码，得到节点的第一特征向量，将第一特征向量集作为图卷积网络模型的输入，利用图卷积网络模型对节点的局部特征向量和全局特征向量进行整合，得到节点的第二特征向量；将第二特征向量集输出到鉴别器网络中，以使鉴别器网络利用第二特征向量进行预测，得到节点的第三特征向量；基于第三特征向量，利用预设的相似度计算模型，计算目标节点之间的相似度，将相似度作为确定目标节点之间关联关系的指标。本公开提升了相似度预测结果的准确性，能够准确判断目标节点之间的关联度。之间的关联度。之间的关联度。
技术研发人员：石雅洁
受保护的技术使用者：深圳集智数字科技有限公司
技术研发日：2021.11.17
技术公布日：2022/3/7