(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111666078.3 (22)申请日 2021.12.3 0 (71)申请人 马上消费金融股份有限公司 地址 401120 重庆市渝北区黄山大道中段 52号渝兴广场B2栋4至8楼 (72)发明人 赵宏宇　王洪斌　吴海英　 (74)专利代理 机构 北京国昊天诚知识产权代理 有限公司 1 1315 代理人 姚琳洁 (51)Int.Cl. G06F 16/901(2019.01) G06K 9/62(2022.01) (54)发明名称 数据的处 理方法、 装置及设备 (57)摘要 本说明书实施例公开了一种数据的处理方 法、 装置及设备， 该方法包括： 接收针对第一图结 构数据的节 点分类请求； 确定与所述第一图结构 数据对应的第二图结构数据； 将所述第一图结构 数据和所述第二图结构数据输入预先训练的节 点分类模型， 输出所述第一图结构数据的节点分 类结果； 其中， 所述节点分类模型包括第一子模 型和第二子模型； 所述第一子模型， 用于对输入 的所述第二图结构数据进行特征提取， 输出第一 特征； 所述第二子模型， 用于对输入的所述第一 图结构数据和所述第一特征进行节 点分类处理， 输出所述第一图结构数据的节 点分类结果。 通过 上述数据的处理方法， 可以通过第一图结构数据 和第二图结构数据的信息融合， 提高节点分类准 确性。 权利要求书3页 说明书18页 附图7页 CN 114329093 A 2022.04.12 CN 114329093 A 1.一种数据的处 理方法， 其特 征在于， 所述方法包括： 接收针对第一图结构数据的节点分类请求； 确定与所述第一图结构数据对应的第 二图结构数据， 所述第 二图结构数据至少包含所 述第一图结构数据中的节点以及所述节点之间的节点关联信息， 所述第二图结构数据用于 对所述第一图结构数据进行信息补充； 将所述第一图结构数据和所述第 二图结构数据输入预先训练的节点分类模型， 输出所 述第一图结构数据的节点分类结果； 其中， 所述节点分类模型包括第一子模型和第二子模型； 所述第一子模型， 用于对输入的所述第二图结构数据进行 特征提取， 输出第一特 征； 所述第二子模型， 用于对输入的所述第 一图结构数据和所述第 一特征进行节点分类处 理， 输出所述第一图结构数据的节点分类结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 接收针对所述第一图结构数据中的第一节点的相似节点检索请求； 基于所述第 一图结构数据的节点分类结果获取第 一目标节点， 所述第 一目标节点的类 别与所述第一节点的类别相同； 针对所述相似节点检索请求反馈检索结果， 所述检索结果包括所述第一目标节点。 3.根据权利要求1所述的方法， 其特征在于， 所述第 一图结构数据为基于与目标用户具 有预设对应关系的第一信息确定， 所述方法还 包括： 获取针对所述目标用户的目标信 息， 所述目标信 息包括所述第 一信息中的一个或多个 信息； 基于所述第 一图结构数据的节点分类结果确定待推荐的第 二目标节点， 所述第 二目标 节点的类别与所述第一图结构数据中的第二节点的类别相同， 所述第二节点由所述目标信 息确定； 向所述目标用户输出推荐信息， 所述推荐信息包括所述第二目标节点对应的信息 。 4.一种数据的处 理方法， 其特 征在于， 所述方法包括： 获取包含多个图数据对的训练数据集， 所述图数据对由具有预设关联关系的第 一图结 构数据和 第二图结构数据组成， 所述第二图结构数据至少包含所述第一图结构数据中的节 点以及所述节点之 间的节点关联信息， 所述第二图结构数据用于对所述第一图结构数据进 行信息补充； 依次将所述训练数据集中的图数据对输入节点分类模型进行迭代训练； 其中， 所述节点分类模型包括第一子模型和第二子模型； 每次模型训练 的具体实现方式有： 利用所述图数据对中的第 二图结构数据对所述第 一 子模型进 行模型训练； 利用第二特征和所述图数据对中的第一图结构数据对所述第二子模 型进行模型训练， 所述第二特 征是训练所述第一子模型 过程中产生的。 5.根据权利要求4所述的方法， 其特征在于， 所述第一子模型包含特征提取层， 所述第 二子模型包含多层数据处理层， 第一层所述数据处理层的输入数据为所述第一图结构数 据， 除第一层之外的所述数据 处理层的输入数据基于第一处理结果和第二处理结果确定， 所述第一处理结果为前一层数据处理层的处理结果， 所述第二处理结果为与所述前一层数 据处理层的层数相同的特 征提取层的处 理结果。权　利　要　求　书 1/3 页 2 CN 114329093 A 26.根据权利要求5所述的方法， 其特征在于， 所述第一子模型还包含重构层， 所述第二 特征包括第一子特征和第二子特征， 所述利用所述图数据对中的第二图结构数据对所述第 一子模型进行模型训练， 包括： 将所述第二图结构数据输入所述第 一子模型的第 一层特征提取层， 输出所述第 一子特 征； 将所述第一子特 征输入所述第一子模型的第二层特 征提取层， 输出 所述第二子特 征； 将所述第二子特征输入所述第 一子模型的重构层， 输出所述第 一子模型的模型输出结 果； 所述第二子模型还包含分类层， 所述利用第 二特征和所述图数据对中的第 一图结构数 据对所述第二子模型进行模型训练， 包括： 将所述第一图结构数据输入所述第二子模型的第一层数据处 理层， 输出第一结果； 基于所述第一结果和所述第二特 征中的第一子特 征， 生成第一输入数据； 将所述第一输入数据输入所述第一子模型的第二层数据处 理层， 输出第二结果； 基于所述第二结果和所述第二特 征中的第二子特 征， 生成第二输入数据； 将所述第二输入数据输入所述第 一子模型的分类层， 输出所述第 一图结构数据的节点 分类结果； 根据损失函数、 所述第二子模型的节点分类结果和所述第一子模型的模型输出结果， 确定是否对所述第一子模型和所述第二子模型进行 再训练。 7.根据权利要求6所述的方法， 其特征在于， 所述将所述第 二图结构数据输入所述第 一 子模型的第一层特 征提取层， 输出 所述第一子特 征， 包括： 将第一节点特征矩阵和第一邻接矩阵， 输入所述第一子模型的第一层特征提取层， 输 出所述第一子特征； 所述第一节点特征矩阵为基于所述第二图结构数据的节点特征确定， 所述第一邻接矩阵为基于所述第二图结构数据的节点关联信息和第一训练参数确定； 所述将所述第一图结构数据输入所述第二子模型的第一层数据处理层， 输出第一结 果， 包括： 将第二节点特征矩阵和第二邻接矩阵， 输入所述第二子模型的第一层数据处理层， 输 出所述第一结果； 所述第二节点特征矩阵为基于所述第一图结构数据的节点特征确定， 所 述第二邻接矩阵为基于所述第一图结构数据的节点关联信息和第二训练参数确定 。 8.根据权利要求7所述的方法， 其特征在于， 所述第 一子模型的模型输出结果包括重构 的邻接矩阵， 所述根据损失函数、 所述第二子模型 的节点分类结果和所述第一子模型 的模 型输出结果， 确定是否对所述第一子模型和所述第二子模型进行 再训练， 包括： 获取所述第一图结构数据的实际节点分类结果； 根据所述损失函数、 所述第 一图结构数据的实际节点分类结果、 所述节点分类结果、 所 述第一邻接矩阵、 所述重构的邻接矩阵、 所述第一训练参数和所述第二训练参数， 确定是否 对所述第一子模型和所述第二子模型进行 再训练。 9.根据权利要求8所述的方法， 其特征在于， 所述损 失函数包含第一交叉熵函数、 第二 交叉熵函数以及惩罚函数， 所述第一交叉熵函数通过所述节点分类结果和所述实际节点分 类结果之 间的距离确定， 所述第二交叉熵函数通过所述第一邻接矩阵和所述重构的邻接矩 阵之间的距离确定， 所述惩罚函数用于对所述第一训练参数和所述第二训练参数进行处权　利　要　求　书 2/3 页 3 CN 114329093 A 3