CN112380494A - 一种确定对象特征的方法及装置 - Google Patents
一种确定对象特征的方法及装置 Download PDFInfo
- Publication number
- CN112380494A CN112380494A CN202011283866.XA CN202011283866A CN112380494A CN 112380494 A CN112380494 A CN 112380494A CN 202011283866 A CN202011283866 A CN 202011283866A CN 112380494 A CN112380494 A CN 112380494A
- Authority
- CN
- China
- Prior art keywords
- network
- meta
- matrix
- node
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 239000011159 matrix material Substances 0.000 claims description 193
- 238000012545 processing Methods 0.000 claims description 19
- 230000007423 decrease Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 15
- 238000012546 transfer Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010606 normalization Methods 0.000 description 5
- 208000001613 Gambling Diseases 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Technology Law (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种确定对象特征的方法及装置,包括:确定各元网络中各结点的关联关系,其中,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的关联关系更新基础网络得到的,且各元网络具有作为结点的相同对象且各元网络的单一关联属性均不同,然后针对每个元网络,根据元网络的核心结点的特征,通过元网络中各结点的关联关系,确定第一对象在元网络中的特征,再根据第一对象在各元网络中的特征,确定第一对象在异构网络中的综合特征,通过中间媒介将对象间单一关联属性的基础网络进行更新,增加了基础网络中的关联属性的丰富性和有效性,实现了在多维度的关联属性的异构网络中确定出各对象的综合特征。
Description
技术领域
本发明涉及大数据领域,尤其涉及一种确定对象特征的方法及装置。
背景技术
与现金交易、银行转账等传统支付方式相比,网络支付在效率和便捷性等方面都具有明显的优势。但随着网络支付业务的发展,活跃用户的数量也日益激增,可能会存在一些不法用户趁机利用网络支付业务进行赌博等违法行为。
在现有技术中,可以通过网络模型的方法对用户进行识别,确定用户是否存在违法行为(涉赌集资等),以X闪付APP(Application,手机软件)为例,将用户的银行卡作为元网络中的结点,确定出各银行卡之间的关系,通过特定银行卡(如欺诈团伙、涉赌集资等的银行卡)进行追溯,确定出与之相关联的其它银行卡,进而确定出其它银行卡对应的用户是否存在违法行为。但是上述方法多用于对象之间单一关联属性的同构网络中,并不适合用于对象之间关联属性复杂多样的异构网络中,目前对象在网络中的关联属性复杂多样,对象之间单一关联属性的元网络缺少了确定结点特征的全面性和丰富性,对应的网络模型确定用户是否存在违法行为的准确度低,且网络模型缺乏可解释性。
因此,现需要一种通过异构网络确定对象(如银行卡)之间的关系的方法。
发明内容
本发明实施例提供一种确定对象特征的方法及装置,用于在多维度的关联属性的异构网络中确定出各对象的综合特征。
第一方面,本发明实施例提供一种确定对象特征的方法,包括:
确定各元网络中各结点的关联关系;其中,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的关联关系更新所述基础网络得到的;所述各元网络具有作为结点的相同对象且所述各元网络的单一关联属性均不同;
针对每个元网络,根据所述元网络的核心结点的特征,通过所述元网络中各结点的关联关系,确定第一对象在所述元网络中的特征;
根据所述第一对象在各元网络中的特征,确定所述第一对象在异构网络中的综合特征。
上述技术方案中,通过中间媒介在不同元网络中具有相同对象的关联关系将对象间单一关联属性的基础网络进行更新,增加了基础网络中的关联属性的丰富性和有效性,进而增加了第一对象在各元网络中的特征的丰富性和有效性,然后根据第一对象在各元网络中的特征,确定第一对象在异构网络中的综合特征,通过对象间的关联关系确定第一对象的综合特征,增加了确定综合特征的可解释性。
可选的,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的中间属性更新所述基础网络得到的,包括:
根据各对象在第一关联属性中的关联关系,生成针对所述第一关联属性的第一基础网络;其中,对象为基础网络中的结点,关联关系为基础网络中的边;
确定中间媒介在所述第一基础网络和第二基础网络中具有相同的结点;所述第二基础网络是根据第二关联属性确定的;
若所述相同的结点在所述第二基础网络中具有关联关系,则在所述第一基础网络中增加所述相同的结点之间的关联关系,从而得到所述第一关联属性对应的元网络。
上述技术方案中,在元网络中,各结点通过边彼此连接,边是根据元网络中各结点间在元网络的关联属性下的关联信息确定的,在确定中间媒介分别与第一基础网络和第二基础网络中相同的结点存在关联信息时,根据第二基础网络中相同的结点的关联信息对第一基础网络中相同的结点的关联信息进行更新,从而使第一基础网络中相同的结点之间的关联信息存在第二基础网络的关联属性,以此增加了基础网络中的关联属性的丰富性和有效性。
可选的,根据所述元网络的核心结点的特征,通过所述元网络中各结点的关联关系,确定第一对象在所述元网络中的特征,包括:
通过所述元网络确定邻接矩阵与度矩阵;通过所述度矩阵得到所述邻接矩阵的第一标准化矩阵及所述邻接矩阵的转置矩阵的第二标准化矩阵;
在每次传播过程中,根据已知特征的结点,通过所述第一标准化矩阵和所述第二标准化矩阵更新当前传播过程中的各结点的特征;所述核心结点为首个已知特征的结点;
根据每次传播后各结点的特征得到第一对象在所述元网络中的特征。
上述技术方案中,根据上一次传播过程之后更新的元网络中所有结点的特征以及第一标准化矩阵和第二标准化矩阵确定出每个传播过程的所有结点的特征,通过多轮传播,以此更新所有结点的特征。
可选的,通过所述元网络确定邻接矩阵与度矩阵,包括:
通过所述元网络中的所有结点的关联关系构建所述邻接矩阵;
通过所述元网络中的所有结点的关联关系构建所述度矩阵。
可选的,根据每次传播后各结点的特征得到第一对象在所述元网络中的特征,包括:
将每次传播后各结点的特征进行加权求和,得到所述第一对象在异构网络中的综合特征。
可选的,所述每次传播后各结点的特征随着传播次数的增多,自身权重在减小。
可选的,所述元网络为有向元网络;所述度矩阵包括入度矩阵和出度矩阵;
通过所述度矩阵得到所述邻接矩阵的第一标准化矩阵及所述邻接矩阵的转置矩阵的第二标准化矩阵,包括:
通过所述入度矩阵得到所述邻接矩阵的第一标准化矩阵;
通过所述出度矩阵得到所述邻接矩阵的转置矩阵的第二标准化矩阵。
可选的,根据所述第一对象在各元网络中的特征,确定所述第一对象在异构网络中的综合特征,包括:
将所述第一对象在各元网络中的特征进行加权求和,得到所述第一对象在异构网络中的综合特征。
第二方面,本发明实施例提供一种确定对象特征的方法,包括:
更新模块,用于确定各元网络中各结点的关联关系;其中,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的关联关系更新所述基础网络得到的;所述各元网络具有作为结点的相同对象且所述各元网络的单一关联属性均不同;
处理模块,用于针对每个元网络,根据所述元网络的核心结点的特征,通过所述元网络中各结点的关联关系,确定第一对象在所述元网络中的特征;
根据所述第一对象在各元网络中的特征,确定所述第一对象在异构网络中的综合特征。
可选的,所述更新模块具体用于:
根据各对象在第一关联属性中的关联关系,生成针对所述第一关联属性的第一基础网络;其中,对象为基础网络中的结点,关联关系为基础网络中的边;
确定中间媒介在所述第一基础网络和第二基础网络中具有相同的结点;所述第二基础网络是根据第二关联属性确定的;
若所述相同的结点在所述第二基础网络中具有关联关系,则在所述第一基础网络中增加所述相同的结点之间的关联关系,从而得到所述第一关联属性对应的元网络。
可选的,所述处理模块具体用于:
通过所述元网络确定邻接矩阵与度矩阵;通过所述度矩阵得到所述邻接矩阵的第一标准化矩阵及所述邻接矩阵的转置矩阵的第二标准化矩阵;
在每次传播过程中,根据已知特征的结点,通过所述第一标准化矩阵和所述第二标准化矩阵更新当前传播过程中的各结点的特征;所述核心结点为首个已知特征的结点;
根据每次传播后各结点的特征得到第一对象在所述元网络中的特征。
可选的,所述处理模块具体用于:
通过所述元网络中的所有结点的关联关系构建所述邻接矩阵;
通过所述元网络中的所有结点的关联关系构建所述度矩阵。
可选的,所述处理模块具体用于:
将每次传播后各结点的特征进行加权求和,得到所述第一对象在异构网络中的综合特征。
可选的,所述每次传播后各结点的特征随着传播次数的增多,自身权重在减小。
可选的,所述元网络为有向元网络;所述度矩阵包括入度矩阵和出度矩阵;
所述处理模块具体用于:
通过所述入度矩阵得到所述邻接矩阵的第一标准化矩阵;
通过所述出度矩阵得到所述邻接矩阵的转置矩阵的第二标准化矩阵。
可选的,所述处理模块具体用于:
将所述第一对象在各元网络中的特征进行加权求和,得到所述第一对象在异构网络中的综合特征。
第三方面,本发明实施例还提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述确定对象特征的方法。
第四方面,本发明实施例还提供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可执行指令,所述计算机可执行指令用于使计算机执行上述确定对象特征的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种系统架构示意图;
图2为本发明实施例提供的一种确定对象特征的方法的流程示意图;
图3为本发明实施例提供的一种基础网络示意图;
图4为本发明实施例提供的一种异构网络示意图;
图5为本发明实施例提供的一种有向元网络的示意图;
图6为本发明实施例提供的一种确定对象特征的装置的结构。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在支付行业中,网络支付已经越来越大众化,其活跃用户的数量也日益增加,其中不乏存在一些不法分子利用网络支付进行违法转账,例如赌博事件的转账、贿赂时间的转账等,目前,通过预设的元网络中的结点,来确定与该结点存在一定关系的其他结点是否为违法用户,以根据银行卡转账为例,确定出违法银行卡,确定出与违法银行卡之间存在转账关系的其它银行卡,根据预设网络模型以及违法银行卡与其它银行卡之间的转账关系确定出其它银行卡是否为非法银行卡,但是网络模型不具备解释性,存在模型不收敛的可能性(如训练样本使用过大、学习率不准确、网络中包含坏梯度等),且一般用于确定违法银行卡与其它银行卡之间单一属性关系的元网络中,并不适用于多维度的异构网络中,因此,现需要一种在异构网络中确定对象特征的方法,且该方法具备解释性。
图1示例性的示出了本发明实施例所适用的一种系统架构,该系统架构包括服务器100,该服务器100可以包括处理器110、通信接口120和存储器130。
其中,通信接口120用于获取异构网络中各元网络的对象的关联关系以及中间媒介的信息。
处理器110是服务器100的控制中心,利用各种接口和路线连接整个服务器100的各个部分,通过运行或执行存储在存储器130内的软件程序/或模块,以及调用存储在存储器130内的数据,执行服务器100的各种功能和处理数据。可选地,处理器110可以包括一个或多个处理单元。
存储器130可用于存储软件程序以及模块,处理器110通过运行存储在存储器130的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器130可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据业务处理所创建的数据等。此外,存储器130可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
需要说明的是,上述图1所示的结构仅是一种示例,本发明实施例对此不做限定。
基于上述描述,图2示例性的示出了本发明实施例提供的一种确定对象特征的方法的流程,该流程可由确定对象特征的装置执行。
如图2所示,该流程具体包括:
步骤210,确定各元网络中各结点的关联关系。
本发明实施例中,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的关联关系更新基础网络得到的,各元网络具有作为结点的相同对象且各元网络的单一关联属性均不同。
进一步地,根据各对象在第一关联属性中的关联关系,生成针对第一关联属性的第一基础网络,其中,对象为基础网络中的结点,关联关系为基础网络中的边,然后确定中间媒介在第一基础网络和第二基础网络中具有相同的结点,其中,第二基础网络是根据第二关联属性确定的,若相同的结点在第二基础网络中具有关联关系,则在第一基础网络中增加相同的结点之间的关联关系,从而得到第一关联属性对应的元网络。
图3示例性的示出了一种基础网络示意图,如图3所示,基础网络1、基础网络2和基础网络3中的结点是相同的,根据基础网络1、基础网络2和基础网络3的关联属性不同,各结点间的关联关系也是不同的,例如,基础网络1的关联属性是结点间的转账关系,如a结点与d结点之间存在直接转账历史,则a结点与d结点直接相连,而a结点与b结点之间不存在转账历史,但二者与c结点之间存在转账关系,故而,a结点与b结点之间,通过c结点间接相连。
图4示例性的示出了一种异构网络示意图,如图4所示,中间媒介可以包括结点对应的设备组信息和用户组信息,例如,a结点为银行卡,其对应的移动设备是设备组1,用户组信息为用户1。根据中间媒介的设备组1可知,在元网络1(相当于更新后的基础网络1)和元网络2(相当于更新后的基础网络2)中,具有相同的结点(a结点和b结点)与设备组1存在关联信息,因此,根据图3中基础网络2中a结点和b结点之间的关联信息,增加基础网络1中a结点和b结点之间的关联关系,即将a结点和b结点直接相连,得到元网络1,根据用户1可知,在基础网络3中c结点和e结点直接相连,则将该关联信息增加基础网络2,更新基础网络2为元网络2,即将c结点和e结点直接相连,以此增加基础网络中的关联属性的丰富性和有效性。
步骤220,针对每个元网络,根据所述元网络的核心结点的特征,通过所述元网络中各结点的关联关系,确定第一对象在所述元网络中的特征。
在本发明实施例中,在更新元网络之后,通过元网络确定邻接矩阵与度矩阵,通过度矩阵得到邻接矩阵的第一标准化矩阵及邻接矩阵的转置矩阵的第二标准化矩阵,在每次传播过程中,根据已知特征的结点,通过第一标准化矩阵和第二标准化矩阵更新当前传播过程中的各结点的特征,其中,核心结点为首个已知特征的结点,最后根据每次传播后各结点的特征得到第一对象在元网络中的特征。
具体的,在每次传播过程中,若首次传播,则根据元网络中所有结点的特征以及核心结点的特征更新元网络中所有结点的特征,若非首次传播,则根据上一次传播过程之后更新的元网络中所有结点的特征,通过第一标准化矩阵和第二标准化矩阵更新当前传播过程中的各结点的特征,并再次进行传播,然后根据每次传播后各结点的特征得到第一对象在元网络中的特征。需要说明的是,核心结点为首个已知特征的结点,在进行第一次传播时,根据首个已知特征的结点确定出与首个已知特征的结点的临近结点的特征,然后由上述方法,确定出所有结点的特征。
进一步地,根据元网络中的所有结点的关联关系构建邻接矩阵,通过元网络中的所有结点的关联关系构建度矩阵,其中,邻接矩阵是元网络中的各结点之间的关联关系的表现形式(即结点之间存在关联关系的矩阵),例如,图4中元网络1的邻接矩阵为:度矩阵为对角矩阵,是邻接矩阵中各结点的关联关系数量的表现形式,例如图4中元网络1度矩阵为:然后将邻接矩阵与度矩阵的逆矩阵相乘,确定出邻接矩阵的第一标准化矩阵,根据邻接矩阵得到邻接矩阵的转置矩阵,再将转置矩阵与度矩阵的逆矩阵相乘确定出邻接矩阵的转置矩阵的第二标准化矩阵。
在本发明实施例中,元网络若为有向元网络,则度矩阵包括入度矩阵和出度矩阵,出度指的是结点发出信息至其他结点,入度指的是接收其他结点发送的信息,入度矩阵和出度矩阵均是对角矩阵,其中,入度矩阵是邻接矩阵中纵向的各结点的关联关系数量的表现形式,出度矩阵是邻接矩阵中横向的各结点的关联关系数量的表现形式,例如,图5示例性的示出了一种有向元网络的示意图,如图5所示,结点A只向结点D发送消息,则关联关系数量为1,即结点A至结点D。结点B只向结点A发送消息,关联关系数量为1。结点C向结点D和结点A发送消息,则关联关系数量为2。结点D只向结点C发送消息,则关联关系数量为1,因此,出度矩阵Ds为:相应的,入度矩阵Dt为:
在确定出入度矩阵和出度矩阵之后,通过入度矩阵的逆矩阵与邻接矩阵相乘得到邻接矩阵的第一标准化矩阵,通过出度矩阵的逆矩阵与转置矩阵相乘得到邻接矩阵的转置矩阵的第二标准化矩阵。最后在每次传播过程中,根据上一次传播过程之后更新的元网络中所有结点的特征,更新当前传播过程中的各结点的特征,并再次进行传播,直至更新至预设传播次数或更新异构网络中全部结点的特征。
为了更好的解释上述更新结点的特征的技术方案,下面将在具体实例中进行阐述。
实例1
根据元网络中所有结点的特征以及核心结点的特征得到结点矩阵xm为:[x1 x2 …xn],其中,n为结点的数量,如图5所述,若C结点为核心结点,预设核心结点的特征为1,其他结点的特征为0,则根据元网络中所有结点的特征以及核心结点的特征得到结点矩阵为:[0 0 1 0],在首次传播时,将结点矩阵xm与第一标准化矩阵和第二标准化矩阵相乘,得到首次传播之后元网络中所有结点的特征矩阵为[0 1/4 3/4 0]。
若在图5中,还有其他结点分别于A结点、B结点和D结点存在关联关系,则确定出第二次传播的各结点的特征,具体的,根据上一次传播过程之后元网络中所有结点的特征矩阵(即首次传播之后元网络中所有结点的特征矩阵的[0 1/4 3/4 0])与第一标准化矩阵和第二标准化矩阵相乘(即),进而确定出第二次传播之后元网络中所有结点的特征矩阵以此类推,直至确定出所有结点的特征,或根据预设传播次数,确定出预设传播次数后元网络中所有结点的特征。
本发明实施例中,根据预设传播次数,可以减少更新各结点的特征的计算量,且避免了无限传播不收敛的情况。然后根据每次传播后各结点的特征得到第一对象在元网络中的特征。
进一步地,将每次传播后各结点的特征进行加权求和,得到第一对象在元网络中的特征。需要说明的是,每次传播后各结点的特征随着传播次数的增多,自身权重在减小。
为了更好的解释确定第一对象在异构网络中的综合特征的方法,下面将结合上述实例1在具体实例中进行阐述。
实例2
根据矩阵的运算法则(如交换律、结合律等),可以将结合为Am,以便于计算,根据上述实例1可知,首次传播之后元网络中所有结点的特征矩阵第二次传播之后元网络中所有结点的特征矩阵 以此类推,第k次传播之后元网络中所有结点的特征矩阵然后根据k的值对每次传播后各结点的特征进行加权,确定出元网络中各结点的特征,如元网络中各结点的特征矩阵 根据等式运算规则进行简化后可以得出元网络中各结点的特征矩阵,根据下述公式(1)可以确定出无穷多次传播后元网络中各结点的特征矩阵。
其中,为无穷多次传播后各结点在元网络中的特征矩阵,I是单位向量,根据元网络中各结点的特征矩阵中的数值可以确定出第一对象在元网络中的特征(如在首次传播之后,根据可以得出B结点的特征为1/4),k大于1,且为正整数。
步骤230,根据所述第一对象在各元网络中的特征,确定所述第一对象在异构网络中的综合特征。
本发明实施例中,在确定出第一对象在各元网络中的特征之后,将第一对象在各元网络中的特征进行加权求和,得到第一对象在异构网络中的综合特征。
具体的,根据下述公式(2)确定第一对象在异构网络中的综合特征矩阵。
根据确定出的综合特征矩阵得到第一对象在异构网络中的综合特征,或可以先确定出第一对象在各元网络中的特征,确定出第一对象在异构网络中的综合特征,例如,若第一对象在元网络1、元网络2和元网络3中的特征分别为0.32、0.31和0.36,则第一对象在异构网络中的综合特征为(0.32+0.31+0.36)/3=0.33。
需要说明的是,在本发明实施例中,并不局限于根据加权求和方式确定出综合特征,也可以根据将大于特征阈值的第一对象在各元网络中的特征进行加权求、根据第一对象在各元网络中的特征中的最大值等方法确定出综合特征,在此不做限定。
基于相同的技术构思,图6示例性的示出了本发明实施例提供的一种确定对象特征的装置的结构,该装置可以执行上述确定对象特征的方法的流程。
如图6所示,该装置具体包括:
更新模块610,用于确定各元网络中各结点的关联关系;其中,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的关联关系更新所述基础网络得到的;所述各元网络具有作为结点的相同对象且所述各元网络的单一关联属性均不同;
处理模块620,用于针对每个元网络,根据所述元网络的核心结点的特征,通过所述元网络中各结点的关联关系,确定第一对象在所述元网络中的特征;
根据所述第一对象在各元网络中的特征,确定所述第一对象在异构网络中的综合特征。
可选的,所述更新模块610具体用于:
根据各对象在第一关联属性中的关联关系,生成针对所述第一关联属性的第一基础网络;其中,对象为基础网络中的结点,关联关系为基础网络中的边;
确定中间媒介在所述第一基础网络和第二基础网络中具有相同的结点;所述第二基础网络是根据第二关联属性确定的;
若所述相同的结点在所述第二基础网络中具有关联关系,则在所述第一基础网络中增加所述相同的结点之间的关联关系,从而得到所述第一关联属性对应的元网络。
可选的,所述处理模块620具体用于:
通过所述元网络确定邻接矩阵与度矩阵;通过所述度矩阵得到所述邻接矩阵的第一标准化矩阵及所述邻接矩阵的转置矩阵的第二标准化矩阵;
在每次传播过程中,根据已知特征的结点,通过所述第一标准化矩阵和所述第二标准化矩阵更新当前传播过程中的各结点的特征;所述核心结点为首个已知特征的结点;
根据每次传播后各结点的特征得到第一对象在所述元网络中的特征。
可选的,所述处理模块620具体用于:
通过所述元网络中的所有结点的关联关系构建所述邻接矩阵;
通过所述元网络中的所有结点的关联关系构建所述度矩阵。
可选的,所述处理模块620具体用于:
将每次传播后各结点的特征进行加权求和,得到所述第一对象在异构网络中的综合特征。
可选的,所述每次传播后各结点的特征随着传播次数的增多,自身权重在减小。
可选的,所述元网络为有向元网络;所述度矩阵包括入度矩阵和出度矩阵;
所述处理模块620具体用于:
通过所述入度矩阵得到所述邻接矩阵的第一标准化矩阵;
通过所述出度矩阵得到所述邻接矩阵的转置矩阵的第二标准化矩阵。
可选的,所述处理模块具体用于:
将所述第一对象在各元网络中的特征进行加权求和,得到所述第一对象在异构网络中的综合特征。
基于相同的技术构思,本发明实施例还提供一种计算设备,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述确定对象特征的方法。
基于相同的技术构思,本发明实施例还提供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可执行指令,所述计算机可执行指令用于使计算机执行上述确定对象特征的方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (11)
1.一种确定对象特征的方法,其特征在于,包括:
确定各元网络中各结点的关联关系;其中,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的关联关系更新所述基础网络得到的;所述各元网络具有作为结点的相同对象且所述各元网络的单一关联属性均不同;
针对每个元网络,根据所述元网络的核心结点的特征,通过所述元网络中各结点的关联关系,确定第一对象在所述元网络中的特征;
根据所述第一对象在各元网络中的特征,确定所述第一对象在异构网络中的综合特征。
2.如权利要求1所述的方法,其特征在于,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的中间属性更新所述基础网络得到的,包括:
根据各对象在第一关联属性中的关联关系,生成针对所述第一关联属性的第一基础网络;其中,对象为基础网络中的结点,关联关系为基础网络中的边;
确定中间媒介在所述第一基础网络和第二基础网络中具有相同的结点;所述第二基础网络是根据第二关联属性确定的;
若所述相同的结点在所述第二基础网络中具有关联关系,则在所述第一基础网络中增加所述相同的结点之间的关联关系,从而得到所述第一关联属性对应的元网络。
3.如权利要求1所述的方法,其特征在于,根据所述元网络的核心结点的特征,通过所述元网络中各结点的关联关系,确定第一对象在所述元网络中的特征,包括:
通过所述元网络确定邻接矩阵与度矩阵;通过所述度矩阵得到所述邻接矩阵的第一标准化矩阵及所述邻接矩阵的转置矩阵的第二标准化矩阵;
在每次传播过程中,根据已知特征的结点,通过所述第一标准化矩阵和所述第二标准化矩阵更新当前传播过程中的各结点的特征;所述核心结点为首个已知特征的结点;
根据每次传播后各结点的特征得到第一对象在所述元网络中的特征。
4.如权利要求3所述的方法,其特征在于,通过所述元网络确定邻接矩阵与度矩阵,包括:
通过所述元网络中的所有结点的关联关系构建所述邻接矩阵;
通过所述元网络中的所有结点的关联关系构建所述度矩阵。
5.如权利要求3所述的方法,其特征在于,根据每次传播后各结点的特征得到第一对象在所述元网络中的特征,包括:
将每次传播后各结点的特征进行加权求和,得到所述第一对象在异构网络中的综合特征。
6.如权利要求5所述的方法,其特征在于,所述每次传播后各结点的特征随着传播次数的增多,自身权重在减小。
7.如权利要求3所述的方法,其特征在于,包括:所述元网络为有向元网络;所述度矩阵包括入度矩阵和出度矩阵;
通过所述度矩阵得到所述邻接矩阵的第一标准化矩阵及所述邻接矩阵的转置矩阵的第二标准化矩阵,包括:
通过所述入度矩阵得到所述邻接矩阵的第一标准化矩阵;
通过所述出度矩阵得到所述邻接矩阵的转置矩阵的第二标准化矩阵。
8.如权利要求1至7任一项所述的方法,其特征在于,根据所述第一对象在各元网络中的特征,确定所述第一对象在异构网络中的综合特征,包括:
将所述第一对象在各元网络中的特征进行加权求和,得到所述第一对象在异构网络中的综合特征。
9.一种确定对象特征的装置,其特征在于,包括:
更新模块,用于确定各元网络中各结点的关联关系;其中,每个元网络是以对象间的单一关联属性为基础网络,通过中间媒介在不同元网络中具有相同对象的关联关系更新所述基础网络得到的;所述各元网络具有作为结点的相同对象且所述各元网络的单一关联属性均不同;
处理模块,用于针对每个元网络,根据所述元网络的核心结点的特征,通过所述元网络中各结点的关联关系,确定第一对象在所述元网络中的特征;
根据所述第一对象在各元网络中的特征,确定所述第一对象在异构网络中的综合特征。
10.一种计算设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行权利要求1至7任一项所述的方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011283866.XA CN112380494B (zh) | 2020-11-17 | 2020-11-17 | 一种确定对象特征的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011283866.XA CN112380494B (zh) | 2020-11-17 | 2020-11-17 | 一种确定对象特征的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112380494A true CN112380494A (zh) | 2021-02-19 |
CN112380494B CN112380494B (zh) | 2023-09-01 |
Family
ID=74584882
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011283866.XA Active CN112380494B (zh) | 2020-11-17 | 2020-11-17 | 一种确定对象特征的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112380494B (zh) |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5787437A (en) * | 1996-10-29 | 1998-07-28 | Hewlett-Packard Company | Method and apparatus for shared management information via a common repository |
US20020049863A1 (en) * | 2000-03-31 | 2002-04-25 | Jochen Kappel | Meta application system and method |
JP2002259410A (ja) * | 2001-03-05 | 2002-09-13 | Nippon Telegr & Teleph Corp <Ntt> | オブジェクト分類管理方法、オブジェクト分類管理システム、オブジェクト分類管理プログラム及び記録媒体 |
US20030033277A1 (en) * | 2001-07-26 | 2003-02-13 | Bahulkar Arun Gajanan | Method and apparatus for object-oriented access to a relational database management system (RDBMS) based on any arbitrary predicate |
US20090307057A1 (en) * | 2008-06-06 | 2009-12-10 | Albert Azout | Associative memory operators, methods and computer program products for using a social network for predictive marketing analysis |
US8170971B1 (en) * | 2011-09-28 | 2012-05-01 | Ava, Inc. | Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships |
US20130151612A1 (en) * | 2011-12-13 | 2013-06-13 | Jeffrey Scott Dunn | Metadata Prediction of Objects in a Social Networking System Using Crowd Sourcing |
US20170116257A1 (en) * | 2015-10-26 | 2017-04-27 | International Business Machines Corporation | Dynamic directory of objects based on logical attributes |
US20170322778A1 (en) * | 2016-05-05 | 2017-11-09 | Sap Se | Rapid identification of object properties in an evolving domain model of an enterprise application on the cloud |
US20180020250A1 (en) * | 2015-09-08 | 2018-01-18 | Tencent Technology (Shenzhen) Company Limited | Recommendation information pushing method, server, and storage medium |
EP3278238A1 (en) * | 2015-09-24 | 2018-02-07 | Google, Inc. | Fast orthogonal projection |
CN108022171A (zh) * | 2016-10-31 | 2018-05-11 | 腾讯科技(深圳)有限公司 | 一种数据处理方法及设备 |
CN108520470A (zh) * | 2017-02-28 | 2018-09-11 | 百度在线网络技术(北京)有限公司 | 用于生成用户属性信息的方法和装置 |
US20180341695A1 (en) * | 2017-05-24 | 2018-11-29 | International Business Machines Corporation | Method to estimate the deletability of data objects |
US20190179858A1 (en) * | 2017-12-11 | 2019-06-13 | Facebook, Inc. | Fast Indexing with Graphs and Compact Regression Codes on Online Social Networks |
CN109934698A (zh) * | 2019-01-29 | 2019-06-25 | 华融融通(北京)科技有限公司 | 一种基于标签传播的欺诈关联网络特征提取方法 |
CN110390585A (zh) * | 2019-07-25 | 2019-10-29 | 中国银联股份有限公司 | 一种识别异常对象的方法及装置 |
CN110473083A (zh) * | 2019-07-08 | 2019-11-19 | 阿里巴巴集团控股有限公司 | 树状风险账户识别方法、装置、服务器及存储介质 |
CN110659395A (zh) * | 2019-08-14 | 2020-01-07 | 平安科技(深圳)有限公司 | 关系网络图谱构建方法、装置、计算机设备和存储介质 |
US20200012887A1 (en) * | 2018-07-04 | 2020-01-09 | Canon Kabushiki Kaisha | Attribute recognition apparatus and method, and storage medium |
CN110738509A (zh) * | 2018-07-20 | 2020-01-31 | 北京京东金融科技控股有限公司 | 量化用户之间关联程度的方法和装置 |
JP2020057168A (ja) * | 2018-10-01 | 2020-04-09 | 富士ゼロックス株式会社 | 属性推定システム |
CN111046299A (zh) * | 2019-12-11 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 针对关系网络的特征信息提取方法及装置 |
CN111784530A (zh) * | 2020-07-09 | 2020-10-16 | 浙江军盾信息科技有限公司 | 关系网络构建方法、装置、计算机设备和存储介质 |
-
2020
- 2020-11-17 CN CN202011283866.XA patent/CN112380494B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5787437A (en) * | 1996-10-29 | 1998-07-28 | Hewlett-Packard Company | Method and apparatus for shared management information via a common repository |
US20020049863A1 (en) * | 2000-03-31 | 2002-04-25 | Jochen Kappel | Meta application system and method |
JP2002259410A (ja) * | 2001-03-05 | 2002-09-13 | Nippon Telegr & Teleph Corp <Ntt> | オブジェクト分類管理方法、オブジェクト分類管理システム、オブジェクト分類管理プログラム及び記録媒体 |
US20030033277A1 (en) * | 2001-07-26 | 2003-02-13 | Bahulkar Arun Gajanan | Method and apparatus for object-oriented access to a relational database management system (RDBMS) based on any arbitrary predicate |
US20090307057A1 (en) * | 2008-06-06 | 2009-12-10 | Albert Azout | Associative memory operators, methods and computer program products for using a social network for predictive marketing analysis |
US8170971B1 (en) * | 2011-09-28 | 2012-05-01 | Ava, Inc. | Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships |
US20130151612A1 (en) * | 2011-12-13 | 2013-06-13 | Jeffrey Scott Dunn | Metadata Prediction of Objects in a Social Networking System Using Crowd Sourcing |
US20180020250A1 (en) * | 2015-09-08 | 2018-01-18 | Tencent Technology (Shenzhen) Company Limited | Recommendation information pushing method, server, and storage medium |
EP3278238A1 (en) * | 2015-09-24 | 2018-02-07 | Google, Inc. | Fast orthogonal projection |
US20170116257A1 (en) * | 2015-10-26 | 2017-04-27 | International Business Machines Corporation | Dynamic directory of objects based on logical attributes |
US20170322778A1 (en) * | 2016-05-05 | 2017-11-09 | Sap Se | Rapid identification of object properties in an evolving domain model of an enterprise application on the cloud |
CN108022171A (zh) * | 2016-10-31 | 2018-05-11 | 腾讯科技(深圳)有限公司 | 一种数据处理方法及设备 |
CN108520470A (zh) * | 2017-02-28 | 2018-09-11 | 百度在线网络技术(北京)有限公司 | 用于生成用户属性信息的方法和装置 |
US20180341695A1 (en) * | 2017-05-24 | 2018-11-29 | International Business Machines Corporation | Method to estimate the deletability of data objects |
US20190179858A1 (en) * | 2017-12-11 | 2019-06-13 | Facebook, Inc. | Fast Indexing with Graphs and Compact Regression Codes on Online Social Networks |
US20200012887A1 (en) * | 2018-07-04 | 2020-01-09 | Canon Kabushiki Kaisha | Attribute recognition apparatus and method, and storage medium |
CN110738509A (zh) * | 2018-07-20 | 2020-01-31 | 北京京东金融科技控股有限公司 | 量化用户之间关联程度的方法和装置 |
JP2020057168A (ja) * | 2018-10-01 | 2020-04-09 | 富士ゼロックス株式会社 | 属性推定システム |
CN109934698A (zh) * | 2019-01-29 | 2019-06-25 | 华融融通(北京)科技有限公司 | 一种基于标签传播的欺诈关联网络特征提取方法 |
CN110473083A (zh) * | 2019-07-08 | 2019-11-19 | 阿里巴巴集团控股有限公司 | 树状风险账户识别方法、装置、服务器及存储介质 |
CN110390585A (zh) * | 2019-07-25 | 2019-10-29 | 中国银联股份有限公司 | 一种识别异常对象的方法及装置 |
CN110659395A (zh) * | 2019-08-14 | 2020-01-07 | 平安科技(深圳)有限公司 | 关系网络图谱构建方法、装置、计算机设备和存储介质 |
CN111046299A (zh) * | 2019-12-11 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 针对关系网络的特征信息提取方法及装置 |
CN111784530A (zh) * | 2020-07-09 | 2020-10-16 | 浙江军盾信息科技有限公司 | 关系网络构建方法、装置、计算机设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
HAIDONG WANG, SAIZHOU WANG, JINGYI LV, CHENMING HU, ZHIYONG LI: "Non-local attention association scheme for online multi-object tracking", 《IMAGE AND VISION COMPUTING》, vol. 102 * |
李飞成: "基于移动通信社会化网络的家庭关系识别", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112380494B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741173B (zh) | 可疑洗钱团伙的识别方法、装置、设备及计算机存储介质 | |
CN111428217B (zh) | 欺诈团伙识别方法、装置、电子设备及计算机可读存储介质 | |
CN108460627A (zh) | 营销活动方案推送方法、装置、计算机设备及存储介质 | |
CN107807935B (zh) | 应用推荐方法及装置 | |
CN106713396A (zh) | 服务器调度方法和系统 | |
CN111930366B (zh) | 一种基于jit实时编译的规则引擎实现方法及系统 | |
WO2023165271A1 (zh) | 知识图谱的构建、和图计算 | |
CN113656497A (zh) | 一种基于区块链的数据验证方法和装置 | |
CN106815062A (zh) | 一种业务流水数据处理方法及装置 | |
CN111651522A (zh) | 一种数据同步方法及装置 | |
CN112380494A (zh) | 一种确定对象特征的方法及装置 | |
CN110110295A (zh) | 大样本研报信息提取方法、装置、设备及存储介质 | |
CN108021597B (zh) | 一种并行计数器、服务器和一种计数方法 | |
CN115130577A (zh) | 一种欺诈号码识别方法、装置及电子设备 | |
CN113327111A (zh) | 一种网络金融交易风险的评估方法及系统 | |
CN115204888A (zh) | 一种目标账户识别方法、装置、存储介质和电子设备 | |
CN112084348A (zh) | 一种关联度确定方法及装置 | |
CN111583030A (zh) | 支付路由方法及装置 | |
CN111770080A (zh) | 一种设备指纹的恢复方法及装置 | |
CN111754238A (zh) | 可疑交易识别方法及装置 | |
CN112070561B (zh) | 电子券推荐方法及装置 | |
CN117874541A (zh) | 资源流量数据的生成方法、装置、计算机设备、存储介质 | |
CN111737008A (zh) | 资源数据处理方法、装置、计算机设备和存储介质 | |
CN116233235A (zh) | 信息推送方法及装置、存储介质、计算机设备 | |
CN116109304A (zh) | 基于场景化业务体系的信用卡媒介数据处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |