公开(公告)号：CN110705709B

公开(公告)日：2021-03-23

申请号：CN201910975012.9

申请日：2019-10-14

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 葛志邦 ,  黄鑫 ,  王琳

IPC: G06N3/08

Abstract: 本说明书实施例提供一种训练图神经网络模型的方法和装置。方法包括：从样本集中获取目标训练样本，及对应的目标样本标签；目标训练样本对应目标关系网络图中的目标节点，目标节点具有目标节点编号，目标关系网络图包括多个节点以及节点之间的连接边，各节点具有各自对应的节点编号，各连接边具有各自对应的边编号；根据目标节点编号和预设参数，从预先存储的目标关系网络图的图信息中，查询目标关系网络图的目标子图的图信息；目标子图以目标节点为中心节点，且目标子图中的各节点与目标节点之间的跳数小于或等于预设参数；利用目标子图的图信息和目标样本标签，对图神经网络模型进行训练。能够降低对机器的要求，并且提高训练效率。

公开(公告)号：CN111291870B

公开(公告)日：2020-08-21

申请号：CN202010384220.4

申请日：2020-05-09

Applicant: 支付宝(杭州)信息技术有限公司

Inventor： 葛志邦 ,  胡志洋 ,  张大龙 ,  黄鑫 ,  宋宪政 ,  马其浩 ,  王琳

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本说明书实施例公开了一种图深度学习中高维稀疏特征的处理方法及系统。所述方法包括：获取至少一个样本，并确定图数据中与所述至少一个样本对应的子图；遍历所述子图，从所述子图的节点获取非零特征；从参数机器中获取与所述非零特征对应的映射参数；其中，所述参数机器为模型训练过程中存放模型参数的机器，所述映射参数为将所述非零特征对应的高维向量映射到低维向量时所使用的参数；训练神经网络模型，对所述非零特征对应的映射参数进行优化，得到训练好的神经网络模型。