技术特征：
1.一种基于g-gcn模型的社会团体节点表示方法，其特征在于，包括：图中的一节点首先学习邻居节点的特征表示，由于中心节点与邻居节点的相连接的边的方向可能不同，即不同出度入度的边构成了中心节点的邻接矩阵，其中邻接矩阵中表示为不同特征的不同聚合方式；完成邻居节点的特征表示后，再对自身节点特征进行一次传播，即进行自连接，完成中心节点与自身节点，邻居节点的特征表示，完成第一次节点的特征表示学习；进行节点的团体特征聚合，根据节点所在的团体进行再一次的节点表示嵌入，在一次特征聚合后，结果获取到节点的信息以及所有节点所在的团体，此时提取团体的特征表示，再对团体的特征表示，得到的第一次节点特征表示；再次根据上述的方式进行聚合，自此完成所有节点的全部信息。2.根据权利要求1所述的基于g-gcn模型的社会团体节点表示方法，其特征在于，所述根据节点所在的团体进行再一次的节点表示嵌入，包括：其中σ()是激活函数，n为节点的集合，j为在关系r下的邻居节点的集合，包括全部的出度节点和入度节点，i为当前节点，即中心节点，h
i(l)
是指输入的自己节点的特征，h
j(l)
是指输入的邻居节点的特征，h
i(l+1)
是指更新后的自己节点的特征，r为所有节点之间的关系集合，关系包括多种关系，关系不同则影响节点嵌入权重不同，即学习wr，通过不同关系下的线性变换矩阵，来表示不同关系下的权重学习，w0为节点自传播的参数学习，为当前中心节点的特征的自传播，c
i,r
为正则化向量。3.根据权利要求2所述的基于g-gcn模型的社会团体节点表示方法，其特征在于，所述进行节点的团体特征聚合，包括：其中，g为团体的最终特征向量，g为随机取样到的节点的集合，n为团体中获取到的参与运算的节点个数，即g的总数，团体中总节点数的二分之一，x
h
表示参与运算的节点的特征向量，最终形成该团体的特征向量表示g，1
×
d的特征向量，d为特征的维数。4.根据权利要求3所述的基于g-gcn模型的社会团体节点表示方法，其特征在于，所述完成中心节点与自身节点，邻居节点的特征表示，完成第一次节点的特征表示学习，包括：其中，σ()是激活函数，h为节点和团体的集合，j为节点i在关系r下的邻居节点的集合，包括出度节点和入度节点，i为节点自己的特征信息表示，h
i(l)
是指输入的自己节点的特征，h
j(l)
是指输入的邻居节点的特征，h
i(l+1)
是指更新后的自己节点的特征，g为节点所在的团体，r为节点之间的关系集合，关系包括多种关系，关系不同则影响节点不同，即学习w
r
，不同关系下的线性变换矩阵，来表示不同关系下的权重学习，w
rl
是对应关系特征权重矩阵，w0为节点自传播的参数学习，为当前节点的特征，g为节点所在的团体集合，w
g
为所在的团体的特征的影响不同，c
i,r
为正则化向量。5.根据权利要求4所述的基于g-gcn模型的社会团体节点表示方法，其特征在于，所述
g-gcn模型损失函数使用最小交叉熵损失函数，包括：其中，y是节点的集合，k是团体的标签，t是指是期望的团体标签，表示在第l层的，第i个节点的第k个团体的标签得分。6.一种基于g-gcn模型的社会团体节点表示装置，其特征在于，包括：第一主模块，用于实现图中的一节点首先学习邻居节点的特征表示，由于中心节点与邻居节点的相连接的边的方向可能不同，即不同出度入度的边构成了中心节点的邻接矩阵，其中邻接矩阵中表示为不同特征的不同聚合方式；第二主模块，用于实现完成邻居节点的特征表示后，再对自身节点特征进行一次传播，即进行自连接，完成中心节点与自身节点，邻居节点的特征表示，完成第一次节点的特征表示学习；第三主模块，用于实现进行节点的团体特征聚合，根据节点所在的团体进行再一次的节点表示嵌入，在一次特征聚合后，结果获取到节点的信息以及所有节点所在的团体，此时提取团体的特征表示，再对团体的特征表示，得到的第一次节点特征表示；第四主模块，用于实现再次根据上述的方式进行聚合，自此完成所有节点的全部信息。7.一种电子设备，其特征在于，包括：至少一个处理器、至少一个存储器和通信接口；其中，所述处理器、存储器和通信接口相互间进行通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令，以执行权利要求1至5任一项权利要求所述的方法。8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至5中任一项权利要求所述的方法。
技术总结
本发明提供了一种基于G-GCN模型的社会团体节点表示方法及设备，包括：图中的一节点首先学习邻居节点的特征表示，不同出度入度的边构成了中心节点的邻接矩阵，其中邻接矩阵中表示为不同特征的不同聚合方式；完成邻居节点的特征表示后，再对自身节点特征进行一次传播，完成中心节点与自身节点，邻居节点的特征表示；进行节点的团体特征聚合，根据节点所在的团体进行再一次的节点表示嵌入，在一次特征聚合后，结果获取到节点的信息以及所有节点所在的团体，此时提取团体的特征表示，再对团体的特征表示，得到的第一次节点特征表示；再次根据上述的方式进行聚合，自此完成所有节点的全部信息。本发明能够有效挖掘事件背后的团体人物关系网。物关系网。物关系网。
技术研发人员：刘金硕 徐慧雯 文尧 胡雪松
受保护的技术使用者：武汉大学
技术研发日：2022.07.15
技术公布日：2022/11/15