JP2022002079A - 異種グラフノード表現用のモデル生成方法及び装置 - Google Patents

Abstract

【課題】自然言語処理、ナレッジグラフ及び深層学習の分野に関する異種グラフノード表現用のモデル生成方法及び装置を提供する。【解決手段】方法は、異なるメタパスに基づいて異種グラフをサンプリングすることによって取得されたノード辿りパス情報を含むトレーニングデータセットを取得し、勾配降下法に基づき、トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得する。【効果】複数のメタパスを組み合わせる方法を用い、異なるメタパスのセマンティック情報を取得でき、１つのメタパスに基づくノード表現方法では異種グラフのパス情報を失うという問題を解決し、異種グラフに対するノード表現能力を高めることができる。【選択図】図２

Description

本願の実施形態は、コンピュータ技術の分野に関し、具体的に、自然言語処理、ナレッジグラフ及び深層学習の分野に関し、異種グラフノード表現用のモデル生成方法及び装置である。

現在、ノード分類、リンク予測、コミュニティ検出等のようなグラフネットワーク表現技術が幅広く使用されている。現実においては、大量の異種グラフが存在し、異種グラフには、様々なタイプのノードとエッジが含まれている。異なるタイプのノードのセマンティック情報を学習するために、異種グラフのグラフネットワーク表現技術に用いられる方法は、通常、メタパスをサンプリングすることにより、異なる実例辿りシーケンスを取得し、実例辿りシーケンスを文シーケンスとして扱い、単語埋め込みモデルのトレーニング方法により辿りシーケンスをトレーニングし、最終的に、異種グラフノードの表現結果を取得する。このようなノード表現学習方法では、１つのメタパスのみを使用し、他のメタパスのセマンティック情報を失い、最終的な最適化が次善の結果しか得られないことを齎してしまう。

本願は、異種グラフノード表現用のモデル生成の方法、装置、デバイス及び記憶媒体を提供する。

第一の側面においては、本願は、異なるメタパスに基づいて異種グラフをサンプリングすることによって取得されたノード辿りパス情報を含むトレーニングデータセットを取得することと、勾配降下法に基づき、トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得することとを含む異種グラフノード表現用のモデル生成方法を提供する。

第二の側面においては、本願は、異なるメタパスに基づいて異種グラフをサンプリングすることによって取得されたノード辿りパス情報を含むトレーニングデータセットを取得するように配置されている第一の取得ユニットと、勾配降下法に基づき、トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得するように配置されているトレーニングユニットとを含む異種グラフノード表現用のモデル生成装置を提供する。

第三の側面においては、少なくとも１つのプロセッサと、少なくとも１つのプロセッサと通信接続するメモリとを備え、なお、メモリは、少なくとも１つのプロセッサにより実行される命令を記憶し、命令が少なくとも１つのプロセッサにより実行されることにより、少なくとも１つのプロセッサは、上述した第一の側面の何れか１つに記載の方法を実行する。

第四の側面においては、コンピュータ命令が記憶されている非一時的コンピュータ読み取り可能な記憶媒体を提供する。コンピュータ命令は、コンピュータが上述した第一の側面の何れか１つに記載の方法を実行するために用いられる。

第五の側面においては、コンピュータプログラムを提供する。当該コンピュータプログラムは、プロセッサにより実行されると、上述した第一の側面の何れか１つに記載の方法を実行するために用いられる。

本願の技術は、様々なタイプのメタパスを組み合わせる方法を用い、異なるメタパスのセマンティック情報を取得でき、１つのメタパスに基づくノード表現方法では異種グラフのパス情報を失うという問題を解決し、異種グラフに対するノード表現能力を高めることができる。

この部分に記載の内容は、本願の実施形態の肝心な点又は重要な特徴を制限せず、本願の範囲も制限するものではないことが理解されたい。本願の他の特徴は、以下の記載でより分かりやすく、理解しやすくなる。

図面は、本技術案をより良く理解するために用いられ、本願を限定しない。
本願の１つの実施形態が適用できる例示的なシステムアーキテクチャ図である。 本願による異種グラフノード表現用のモデル生成方法の１つの実施形態のフローチャート図である。 本願による異種グラフの説明的な模式図である。 本願による異種グラフノード表現用のモデル生成方法の１つの応用シナリオの模式図である。 本願による異種グラフノード表現用のモデル生成方法のもう１つの実施形態のフローチャート図である。 本願による異種グラフノード表現用のモデル生成装置の１つの実施形態の構造模式図である。 本願の実施形態を実現するために用いられる電子デバイス／端末装置又はサーバーのコンピュータシステムの構造模式図である。

以下、図面を参照しながら、本願の例示的な実施形態を説明し、理解しやすくするために、本願の実施形態の様々な細部が含まれており、それらは、例示的なものに過ぎないことが理解されたい。よって、当業者は、ここで記載の実施形態に対して様々な変更及び補正を行うことができ、本願の範囲及び精神から逸脱しないことを認識すべきである。同様に、明確かつ簡潔にするために、以下の記述においては、周知の機能及び構造に対する記載を省略している。

図１は、本願の異種グラフノード表現用のモデル生成方法及び装置が適用できる例示的なシステムアーキテクチャ１００を示している。

図１に示すように、システムアーキテクチャ１００は、端末装置１０１、１０２、１０３、ネットワーク１０４及びサーバー１０５を含んでも良い。ネットワーク１０４は、端末装置１０１、１０２、１０３とサーバー１０５の間に通信リングの媒体を提供するために用いられる。ネットワーク１０４は、有線、無線通信リング又は光ファイバケーブル等のような様々な接続タイプを含んでも良い。

端末装置１０１、１０２、１０３は、データのインタラクティブ及びデータ処理のためのネットワーク接続をサポートするハードウェアデバイス又はソフトウェアであっても良い。端末装置１０１、１０２、１０３がハードウェアである場合、情報のインタラクティブ、ネットワーク接続、情報処理等の機能をサポートする様々な電子デバイスであっても良く、スマートフォン、タブレットコンピュータ、電子書籍リーダー、ポータブルコンピュータ及びデスクトップコンピュータ等を含むが、これらに限らない。端末装置１０１、１０２、１０３がソフトウェアである場合、上記に列挙された電子デバイスにインストールすることができる。分散サービスを提供するための複数のソフトウェア又はソフトウェアモジュールとして実装しても良く、単一のソフトウェア又はソフトウェアモジュールとして実装しても良い。ここでは、具体的に制限しない。

サーバー１０５は、様々なサービスを提供するサーバーであっても良く、例えば、端末装置１０１、１０２及び１０３により送信されるトレーニングデータセットに基づいて初期異種グラフノード表現モデルに対してトレーニングを行うバックエンド処理サーバーである。バックエンド処理サーバーは、初期異種グラフノード表現モデルをトレーニングすることにより、トレーニングされた異種グラフノード表現モデルを取得することができる。好ましくは、バックエンド処理サーバーは、異種グラフノード表現モデルを端末装置で使用されるように端末装置にフィードバックすることもできる。例としては、サーバー１０５は、クラウドサーバーであっても良い。

なお、サーバーは、ハードウェアであっても良く、ソフトウェアであっても良い。サーバーがハードウェアである場合、複数のサーバーで構成される分散サーバークラスターとして、又は、単一のサーバーとして実装することができる。サーバーがソフトウェアである場合、複数のソフトウェア又はソフトウェアモジュール（例えば、分散サービスを提供するために用いられるソフトウェア又はソフトウェアモジュール）として、又は、単一のソフトウェア又はソフトウェアモジュールとして実装することができる。ここでは、具体的に制限しない。

なお、本願の実施形態による、異種グラフノード表現用のモデル生成方法は、サーバーにより実行しても良く、端末装置により実行しても良く、サーバー及び端末装置が互いに協力して実行しても良い。相応的に、情報処理装置に含まれるそれぞれの部材（例えば、それぞれのユニット、サブユニット、モジュール、サブモジュール）は、全てサーバーに設置しても良く、全て端末装置に設置しても良く、それぞれサーバー及び端末装置に設置しても良い。

図１の中の端末装置、ネットワーク及びサーバーの数は、単なる例に過ぎない。実装のニーズに応じ、任意の数の端末装置、ネットワーク及びサーバーを有しても良い。異種グラフノード表現用のモデル生成方法が実行される電子デバイスが他の電子デバイスとデータの伝送を行う必要がない場合、当該システムアーキテクチャは、異種グラフノード表現用のモデル生成方法が実行される電子デバイス（例えば、サーバー又は端末装置）のみを含んでも良い。

図２は、異種グラフノード表現用のモデル生成方法の１つの実施形態のフローチャート２００を示している。当該フローチャート２００は、ステップ２０１及びステップ２０２を含む。

ステップ２０１においては、トレーニングデータセットを取得する。

本実施形態においては、異種グラフノード表現用のモデル生成方法の実行主体（例えば、図１の中の端末装置又はサーバー）は、有線又は無線の接続方法によりリモート又はローカルからトレーニングデータセットを取得することができる。なお、トレーニングデータセットは、異なるメタパスに基づいて異種グラフをサンプリングして取得されたノード辿りパス情報を含む。

異種グラフは、異種情報ネットワーク（ＨＩＮ：Ｈｅｔｅｒｏｇｅｎｅｏｕｓ Ｉｎｆｏｒｍａｔｉｏｎ Ｎｅｔｗｏｒｋ）又は、異種グラフネットワークとも呼ばれ、中に様々なタイプのノードとエッジが存在し、エッジは、２つのタイプのノード間の関係であると理解できる。実世界のグラフは、通常、様々なタイプのノードとエッジを有する異種グラフである。異種グラフに含まれる情報がより完全であり、セマンティクスがより豊かであるので、多くのデータマイニングのタスクで幅広く使用されている。

メタパスは、２つのノードオブジェクトを接続する複合関係であり、幅広く使用されているセマンティック獲得構造である。本実施形態における異なるメタパスの構造は異なる。メタパスに基づいて異種グラフをサンプリングすることにより、ノード辿りパス情報を取得することができ、なお、ノード辿りパス情報で表現されるノード辿りパスには、複数のメタパスが含まれている。例として、前記実行主体は、ランダム辿り戦略に基づいて異種グラフをサンプリングすることにより、メタパスのノード辿りパス情報を取得し、異種グラフネットワーク内の様々なタイプのノードの異種ドメインを取得することができる。

例としては、図３に示すように、異種グラフネットワークは、Ａ、Ｐ、Ｃの３種類のノードを有し、例えば、この３種類のノードＡ、Ｐ、Ｃは、映画、俳優、及び監督をそれぞれ表すことができ、なお、映画のタイプのノードＡは、映画ａ１、映画ａ２、映画ａ３、映画ａ４を含み、俳優のタイプのノードＰは、俳優ｐ１、俳優ｐ２、俳優ｐ３、俳優ｐ４、俳優ｐ５を含み、監督のタイプのノードＣは、監督Ｃ１、監督Ｃ２、監督Ｃ３を含む。これらの３つのタイプのノードに基づき、異なるメタパス（ｍｅｔａ ｐａｔｈ）を構築することができる。例えば、Ａ−Ｐ−Ｃ−Ｐ−Ａ、Ｃ−Ｐ−Ｃ及びＡ−Ｐ−Ａは、図３の異種グラフのメタパスとして設置することができる。メタパスＡ−Ｐ−Ａ（映画−俳優−映画）は、２つの映画において同じ俳優がいるという関係を表すが、Ｃ−Ｐ−Ｃ（映画−監督−映画）は、２つの映画が同じ監督により完成されるという関係を表す。上述した内容から分かるように、異なるメタパスにより、異種グラフ内のノード間の関係が異なるセマンティクスを有する可能性がある。異種グラフの構造と取得する必要のある結果情報に基づいて具体的なメタパスを設置することができるが、ここでは、制限しない。メタパスが設置された後、それぞれのメタパスに対し、前記実行主体は、グラフにおいてメタパスで指定されたノードのタイプに従い、異種グラフネットワークにおいてサンプリングすることにより、ノード辿りパス情報を取得することができる。

例えば、メタパスＡ−Ｐ−Ｃ−Ｐ−Ａに対し、前記実行主体は、サンプリングしてノード辿りパスａ１−ｐ１−ｃ１−ｐ３−ａ３−ｐ４−ｃ３を取得することができ、メタパスＡ−Ｐ−Ａに対し、前記実行主体は、サンプリングしてノード辿りパスａ１−ｐ１−ａ２−ｐ３−ａ３−ｐ４を取得することができる。

なお、異種グラフは、多数のノードのタイプとエッジのタイプを含む異種グラフであっても良く、それらの関係は、複雑である。それぞれのメタパスに対し、前記実行主体は、サンプリングして複数のノード辿りパス情報を取得することにより、異種グラフに対する豊富で且つ正確なセマンティック情報を取得することができる。

ステップ２０２においては、勾配降下法に基づき、トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得する。

本実施形態においては、前記実行主体は、ステップ２０１で取得されたトレーニングデータセットを初期異種グラフノード表現モデルの入力とし、初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得することができる。なお、異種グラフノード表現モデルは、異種グラフの中の様々なタイプのノードと様々なタイプのエッジに基づいて異種グラフの中のそれぞれのノードのノード表現結果を取得するために用いられる。

本実施形態においては、初期異種グラフノード表現モデルは、様々な機械学習モデルを用いることができ、ニューラルネットワークモデル、深層学習モデル等を含むが、これらに限定されない。本実施形態の幾つかの好ましい実現方法においては、初期異種グラフノード表現モデルは、スキップグラム（ｓｋｉｐ−ｇｒａｍ）モデルを用いる。前記実行主体は、メタパスに基づくランダム辿りを利用して異種グラフネットワーク内の様々な異なるタイプのノードの異種ドメインを取得し、取得したノードドメインをスキップグラム（ｓｋｉｐ−ｇｒａｍ）モデルにより処理し、最終的に異種グラフの中のそれぞれのノードのネットワーク埋め込み表現を取得し、異種グラフのネットワーク構造を維持しながら、異種グラフのセマンティック相互関係を効果的かつ効率的に学習できる。

具体的には、トレーニングデータセットの各トレーニングデータについて、前記実行主体は、当該トレーニングデータを、前のトレーニングデータによりトレーニングされた更新異種グラフノード表現モデルに入力し、更新異種グラフノード表現モデルに対してパラメータの更新を行うことができる。トレーニングプロセスにおいては、前記実行主体は、勾配降下法により、モデルが収束するまで反復計算を段階的に行い、最小化された損失関数とモデルパラメータ値を取得し、収束された後のモデルを異種グラフノード表現モデルとして確定する。

例としては、異種グラフは、モバイル広告エコシステムにおけるユーザー、アプリケーション及び広告の間の関連付けを特徴付ける異種グラフネットワークであっても良く、ネットワーク異種グラフノード表現モデルによりそれぞれのユーザー、それぞれのアプリケーション及びそれぞれの広告のノード表現結果を取得することができる。なお、ノード表現結果は、ベクトル、マトリックス等の方法を用いて表すことができる。

図４を参照し、図４は、本実施形態による異種グラフノード表現用のモデル生成方法の応用シナリオの模式図である。図４の応用シナリオにおいては、端末装置４０１には、異種グラフ及び異なるメタパスに基づいて異種グラフをサンプリングして取得されたノード辿りパス情報を記憶しており、なお、異種グラフの中のノードは、モバイル広告エコシステムにおけるユーザー、アプリケーション及び広告を特徴付けるノードを含む。まず、サーバー４０２は、端末装置４０１からトレーニングデータセットを取得し、トレーニングデータセットは、異なるメタパスに基づいて異種グラフをサンプリングして取得されたノード辿りパス情報を含む。次に、勾配降下法に基づき、サーバー４０２は、トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、初期異種グラフノード表現モデルをトレーニンすることにより、異種グラフノード表現モデルを取得する。

本願の技術は、様々なタイプのメタパスを組み合わせる方法を用い、異なるメタパスのセマンティック情報を取得でき、１つのメタパスに基づくノード表現方法では異種グラフのパス情報を失うという問題を解決し、異種グラフに対するノード表現能力を高めることができる。

図５は、本願による異種グラフノード表現用のモデル生成方法のもう１つの実施形態の模式フローチャート５００を示している。フローチャート５００は、ステップ５０１、ステップ５０２、ステップ５０３及びステップ５０４を含む。

ステップ５０１においては、異種グラフを取得する。
本実施形態においては、異種グラフノード表現用のモデル生成方法の実行主体は、有線又は無線の接続方法によりリモート又はローカルから異種グラフを取得することができる。

ステップ５０２においては、異種グラフの中の様々なタイプのノード及び様々なタイプのノードの間の関係を確定する。

本実施形態においては、前記実行主体は、異種グラフの中の様々なタイプのノード及び様々なタイプのノードの間の関係を確定することができる。

なお、本実施形態は、異種グラフネットワーク及び異種グラフネットワークの中の様々なタイプのノード及び様々なタイプのノードの間の関係に基づき、後続のステップで取得される異種グラフネットワークノード表現モデルにより、異種グラフの中の様々なノードのノード表現結果を取得する。本実施形態は、ステップ５０１及びステップ５０２の実行順番を制限しない。幾つかの例においては、前記実行主体は、異種グラフに基づいて異種グラフの中の様々なタイプのノード及び様々なタイプのノードの間の関係を確定することができる。他の幾つかの例においては、前記実行主体は、様々なタイプのノード及び様々なタイプのノードの間の関係に基づいて対応する異種グラフネットワークを確定することができる。

本実施形態においては、前記実行主体は、異種グラフ又は異種グラフの中の様々なタイプのノード及び様々なタイプのノードの間の関係を、トレーニングデータセットを取得するデータ基礎とし、処理してトレーニングデータセットを取得することができ、本実施形態の実用性を拡大することができる。

ステップ５０３においては、異なるメタパスの中のそれぞれのメタパスに対しては、異種グラフの中の様々なタイプのノード及び様々なタイプのノードの間の関係に基づき、異種グラフをサンプリングすることにより、当該メタパスに対応するノード辿りパス情報を取得する。

本実施形態においては、メタパスの数及び構造は、異種グラフのネットワーク構造に基づいて具体的に設置することができ、前記実行主体は、複数の異なるメタパスの中のそれぞれのメタパスに対し、異種グラフをランプリングすることにより、それぞれのメタパスに対応するノード辿りパス情報を取得する。

本実施形態においては、複数の異なるメタパスに基づいて複数のノード辿りパス情報を取得することができる。１つのノード辿りパス情報は、トレーニングデータセットの中の一つトレーニングデータとし、複数のノード辿りパス情報は、より豊かな異種グラフのセマンティック情報を含み、異種グラフノード表現モデルにより正確なトレーニングデータを提供することができる。よって、異種グラフノード表現に対する異種グラフノード表現モデルの正確性を高めることができる。

ステップ５０４においては、勾配降下法に基づき、トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得する。

本実施形態においては、ステップ５０４と図２に対応する実施形態の中のステップ２０２は、ほぼ同じであり、ここでは、繰り返して説明しない。

図５から分かるように、図２に対応する実施形態に比べ、本実施形態の中の異種グラフノード表現用のモデル生成方法のフローチャート５００は、トレーニングデータセットを取得する前の異種グラフの処理プロセス及びトレーニングデータセットの取得プロセスを重点的に説明した。よって、本実施形態に記載の方案は、より実用的であり、より豊かな異種グラフのセマンティック情報を含むトレーニングデータセットを取得することができる。
本実施形態の幾つかの好ましい実現方法においては、ステップ５０５を更に含んでも良い。

ステップ５０５においては、予めトレーニングされた異種グラフノード表現モデルにより、処理待ち異種グラフのノード表現結果を取得する。

本実施形態においては、処理待ち異種グラフは、任意の異種グラフであっても良い。

例としては、前記実行主体は、処理待ち異種グラフに基づいてその中の様々なタイプのノード及び様々なタイプのノードの間の関係を確定し、その後、予めトレーニングされた異種グラフノード表現モデルにより、処理待ち異種グラフのノード表現結果を取得することができる。よって、本実施形態に記載の方案は、処理待ち異種グラフに基づいて正確なノード表現結果を取得することができ、異種グラフのノード表現結果の取得方法を豊かにすることができる。

図６を参照し、上述したそれぞれの図に示される方法の実現としては、本願は、異種グラフノード表現用のモデル生成装置の１つの実施形態を提供する。当該装置の実施形態は、図２に示される方法の実施形態に対応し、後述に記載の特徴の他、図２に示される方法の実施形態と同じ又は相応する特徴を更に含み、図２に示される方法の実施形態と同じ又は相応する効果を有することができる。当該装置は、具体的には、様々な電子デバイスに適用できる。

図６に示すように、本実施形態の異種グラフノード表現用のモデル生成装置は、異なるメタパスに基づいて異種グラフをサンプリングすることによって取得されたノード辿りパス情報を含むトレーニングデータセットを取得するように配置されている第一の取得ユニット６０１と、勾配降下法に基づき、トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得するように配置されているトレーニングユニット６０２とを含む。

幾つかの実施形態においては、前記モデル生成装置は、異種グラフを取得するように配置されている第二の取得ユニット（図示せず）と、異種グラフの中の様々なタイプのノード及び様々なタイプのノードの間の関係を確定するように配置されている確定ユニット（図示せず）とを更に含んでも良い。

幾つかの実施形態においては、第一の取得ユニット６０１は、異なるメタパスの中のそれぞれのメタパスに対しては、異種グラフの中の様々なタイプのノード及び様々なタイプのノードの間の関係に基づき、異種グラフをサンプリングすることにより、当該メタパスに対応するノード辿りパス情報を取得するように更に配置されている。

幾つかの実施形態においては、前記モデル生成装置は、予めトレーニングされた異種グラフノード表現モデルにより、処理待ち異種グラフのノード表現結果を取得するように配置されているノード表現ユニット（図示せず）を更に含んでも良い。

幾つかの実施形態においては、初期異種グラフノード表現モデルは、スキップグラムモデルである。

本実施形態においては、異種グラフノード表現用のモデル生成装置は、様々なタイプのメタパスを組み合わせる方法を用い、異なるメタパスのセマンティック情報を取得し、１つのメタパスに基づくノード表現方法では異種グラフのパス情報を失うという問題を解決し、異種グラフに対するノード表現能力を高めることができる。

本願の実施形態により、本願は、電子デバイス及び読み取り可能な記憶媒体を更に提供する。

図７は、本願の実施形態による異種グラフノード表現用のモデル生成方法を実現するために用いられる電子デバイスのブロック図である。電子デバイスは、ラップトップコンピュータ、デスクトップコンピュータ、ワークステーション、パーソナルデジタルアシスタント、サーバー、ブレードサーバー、大型コンピュータ及びその他の適切なコンピュータのような様々な形のデジタルコンピュータを表すことを目的としている。電子デバイスは、パーソナルデジタルアシスタント、携帯電話、スマートフォン、ウェアラブルデバイス及びその他の類似するコンピューティングデバイスのような様々な形のモバイルデバイスを表すこともできる。本文に示される部材、それらの接続及び関係ならびにそれらの機能は、単なる例に過ぎず、本文に記載及び／又は求められる本願の実現を制限することを意図しない。

図７に示すように、当該電子デバイスは、１つ又は複数のプロセッサ７０１と、メモリ７０２と、高速インターフェイス及び低速インターフェイスを含む各々のコンポーネントを接続するためのインターフェイスとを備える。各々のコンポーネントは、異なるバスを使用して相互に接続されており、共通のマザーボードに取り付けられ、又は、必要に応じて他の方法で取り付けられることができる。プロセッサは、メモリ内又はメモリ上に格納し、外部入力／出力デバイス（例えば、インターフェイスに結合された表示デバイス）にグラフィカルユーザーインターフェイス（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ、ＧＵＩ）のグラフィック情報を表示する命令を含む、電子デバイスで実行される命令を処理できる。他の実施形態においては、必要に応じて複数のプロセッサ及び／又は複数のバスを、複数のメモリとともに使用することができる。同様に、複数の電子デバイスを接続することができ、各々のデバイスは、一部の必要な操作（例えば、サーバーアレイ、ブレードサーバーのグループ又はマルチプロセッサシステムとする）を提供する。図７においては、１つのプロセッサ７０１を例とする。

メモリ７０２は、本願による非一時的コンピュータ読み取り可能な記憶媒体である。なお、前記メモリは、少なくとも１つのプロセッサによって実行することができる命令を記憶することにより、前記少なくとも１つのプロセッサは、本願による異種グラフノード表現用のモデル生成方法を実行する。本願の非一時的コンピュータ読み取り可能な記憶媒体は、本願による異種グラフノード表現用のモデル生成方法をコンピュータに実行させるために用いられるコンピュータ命令を記憶する。

メモリ７０２は、非一時的コンピュータ読み取り可能な記憶媒体として、本願の実施形態による異種グラフノード表現用のモデル生成方法に対応するプログラム命令／モジュールのような、非一時的ソフトウェアプログラム、非一時的コンピュータ実行可能なプログラム及びモジュールを記憶するのに用いることができる（例えば、図６に示される第一の取得ユニット６０１及びトレーニングユニット６０２である）。プロセッサ７０１は、メモリ７０２に記憶された非一時的ソフトウェアプログラム、命令及びモジュールを実行することによって、サーバーの様々な機能的アプリケーション及びデータ処理を実行し、即ち、上述した方法の実施形態における異種グラフノード表現用のモデル生成方法を実現する。

メモリ７０２は、記憶プログラム領域及び記憶データ領域を含んでも良く、なお、記憶プログラム領域は、オペレーティングシステム、及び少なくとも１つの機能が必要とするアプリケーションプログラムを記憶することができ、記憶データ領域は、異種グラフノード表現用のモデル生成方法の電子デバイスの使用に基づいて作られたデータ等を記憶することができる。また、メモリ７０２は、高速ランダムアクセスメモリを含んでも良く、少なくとも１つの磁気ディスク記憶装置、フラッシュ記憶装置又は他の非一時的固体記憶装置のような、非一時的メモリを含んでも良い。幾つかの実施形態においては、メモリ７０２は、プロセッサ７０１に対して遠隔的に設けられるメモリを含んでも良く、これらの遠隔メモリは、ネットワークを介して異種グラフノード表現用のモデル生成方法を実現する電子デバイスに接続することができる。上述したネットワークの例は、インターネット、企業イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク及びそれらの組み合わせを含むが、これらに限らない。

異種グラフノード表現用のモデル生成方法を実現するために用いられる電子デバイスは、入力装置７０３および出力装置７０４を更に含んでも良い。プロセッサ７０１、メモリ７０２、入力装置７０３及び出力装置７０４は、バス又は他の方法で接続することができる。図７においては、バスによる接続を例としている。

入力装置７０３は、入力された数値又は文字情報を受信し、異種グラフノード表現用のモデル生成方法を実現するために用いられる電子デバイスのユーザー設定及び機能制御に関するキー信号入力を生成することができ、例えば、タッチスクリーン、キーパッド、マウス、トラックパッド、タッチパッド、ポインティングスティック、１つ又は複数のマウスボタン、トラックボール、ジョイスティック等の入力装置である。出力装置７０４は、表示デバイス、補助照明装置（例えば、ＬＥＤ）及び触覚フィードバック装置（例えば、振動モーター）等を含んでも良い。当該表示デバイスは、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ、ＬＣＤ）、発光ダイオード（ＬＥＤ）ディスプレイ及びプラズマディスプレイを含んでも良いが、これらに限らない。幾つかの実施形態においては、表示デバイスは、タッチスクリーンであっても良い。

ここで説明するシステムと技術の様々な実施形態は、デジタル電子回路システム、集積回路システム、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ、ＡＳＩＣ）、コンピュータハードウェア、ファームウェア、ソフトウェア及び／又はそれらの組み合わせにより実現することができる。これらの様々な実施形態は、以下を含んでも良い：少なくとも１つのプログラマブルプロセッサを含むプログラマブルシステムで実行及び／又は解釈することが可能な１つ又は複数のコンピュータプログラムにより実現でき、当該プログラマブルプロセッサは、専用または汎用のプログラマブルプロセッサであり、記憶システム、少なくとも１つの入力装置及び少なくとも１つの出力装置からデータ及び命令を受信し、データ及び命令を、当該記憶システム、当該少なくとも１つの入力装置及び当該少なくとも１つの出力装置に転送することができる。

これらのコンピューティングプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション又はコードとも呼ばれる）は、プログラマブルプロセッサの機械命令を含み、高レベルのプロセス及び／又はオブジェクト指向のプログラミング言語及び／又はアセンブリ／機械言語を用いてこれらのコンピューティングプログラムを実施することができる。本文に使用される、「機械読み取り可能な媒体」及び「コンピュータ読み取り可能な媒体」という用語は、プログラマブルプロセッサに機械命令及び／又はデータを提供するために用いられる任意のコンピュータプログラム製品、デバイス及び／又は装置（例えば、磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス（ＰＬＤ））を指し、機械読み取り可能な信号としての機械命令を受信する機械読み取り可能なメディアを含む。「機械読み取り可能な信号」という用語は、プログラマブルプロセッサに機械命令及び／又はデータを提供するために用いられる任意の信号を指す。

ユーザーとのインタラクティブを提供するために、ここで説明するシステム及び技術は、コンピュータにより実行することができる。当該コンピュータは、ユーザーに情報を表示するための表示装置（例えば、ＣＲＴ（陰極線管））又はＬＣＤ（液晶ディスプレイ）モニター）と、キーボード及びポインティングデバイス（例えば、マウス又はトラックボール）とを備え、ユーザーが当該キーボード及び当該ポインティングデバイスにより入力をコンピュータに提供することができる。その他の種類の装置は、ユーザーとのインタラクティブを提供するために用いることができ、例えば、ユーザーに提供されるフィードバックは、任意の形のセンサーフィードバック（例えば、視覚フィードバック、聴覚フィードバック又は触覚フィードバック）であっても良く、ユーザーからの入力の受信は、任意の形（音響入力、音声入力又は触覚入力を含む）を用いても良い。

ここで説明するシステム及び技術は、バックエンドコンポーネントを含むコンピューティングシステム（例えば、データサーバーとする）に実装しても良く、または、ミドルウェアコンポーネントを含むコンピューティングシステム（例えば、アプリケーションサーバー）に実装しても良く、または、フロントエンドコンポーネントを含むコンピューティングシステム（例えば、グラフィカルユーザーインターフェイス又はウェブブラウザーを有するユーザーコンピューターであり、ユーザーは、当該グラフィカルユーザーインターフェイス又はウェブブラウザーによりここで説明するシステム及び技術の実施形態とインタラクティブすることができる）に実装しても良く、又は、このようなバックエンドコンポーネント、ミドルウェアコンポーネント又はフロントエンドコンポーネントを含む任意の組み合わせを含むコンピューティングシステムに実装しても良い。システムのコンポーネントは、通信ネットワークのような、任意の形又は媒体のデジタルデータ通信により相互に接続できる。通信ネットワークの例は、ローカルエリアネットワーク（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＬＡＮ）、ワイドエリアネットワーク（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ、ＷＡＮ）及びインターネットを含む。

コンピュータシステムは、クライアント及びサーバーを含んでも良い。クライアントとサーバーは、一般的に互いに遠く離れており、通常は、通信ネットワークを介してインタラクティブする。相応するコンピュータで互いにクライアントとサーバーの関係を持つコンピュータプログラムを実行することにより、クライアントとサーバーの関係が生まれる。

本願の実施形態の技術案により、様々なタイプのメタパスを組み合わせる方法を用い、異なるメタパスのセマンティック情報を取得し、１つのメタパスに基づくノード表現方法では異種グラフのパス情報を失うという問題を解決し、異種グラフに対するノード表現能力を高めることができる。

上述のように示された様々な形の工程を用いて、新たに順番を並べ替えしたり、ステップを増やしたりまたは削除したりすることができることが理解されたい。例えば、本願に記載の各々のステップは、並行して実行しても良く、順に実行しても良く、異なる順番で実行しても良いが、本願が開示する技術案の期待の結果を実現することができれば、本文では制限しない。

上述した具体的な実施形態は、本願の特許保護の範囲を制限しない。当業者は、設計要求及びその他の要素に基づき、様々な補正、組み合わせ、サブ組み合わせ及び代替を行うことができる。本願の精神及び原則の中で行われた任意の補正、同等入れ替え及び改良等は、何れも本願の特許保護の範囲内に含まれる。

Claims (13)

1. 異なるメタパスに基づいて異種グラフをサンプリングすることによって取得されたノード辿りパス情報を含むトレーニングデータセットを取得することと、
   勾配降下法に基づき、前記トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、前記初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得することと
   を含むことを特徴とする、異種グラフノード表現用のモデル生成方法。
2. 前記トレーニングデータセットを取得する前に、
   前記異種グラフを取得することと、
   前記異種グラフの中の様々なタイプのノード及び前記様々なタイプのノードの間の関係を確定することと、
   を更に含むことを特徴とする請求項１に記載の方法。
3. 前記の、トレーニングデータセットを取得することは、
   前記異なるメタパスの中のそれぞれのメタパスに対しては、前記異種グラフの中の様々なタイプのノード及び前記様々なタイプのノードの間の関係に基づき、前記異種グラフをサンプリングすることにより、当該メタパスに対応するノード辿りパス情報を取得することを含むことを特徴とする請求項２に記載の方法。
4. 予めトレーニングされた前記異種グラフノード表現モデルにより、処理待ち異種グラフのノード表現結果を取得することを更に含むことを特徴とする請求項２に記載の方法。
5. 前記初期異種グラフノード表現モデルは、スキップグラムモデルであることを特徴とする請求項１に記載の方法。
6. 異なるメタパスに基づいて異種グラフをサンプリングすることによって取得されたノード辿りパス情報を含むトレーニングデータセットを取得するように配置されている第一の取得ユニットと、
   勾配降下法に基づき、前記トレーニングデータセットを初期異種グラフノード表現モデルの入力とし、前記初期異種グラフノード表現モデルをトレーニングすることにより、異種グラフノード表現モデルを取得するように配置されているトレーニングユニットと
   を含むことを特徴とする異種グラフノード表現用のモデル生成装置。
7. 前記異種グラフを取得するように配置されている第二の取得ユニットと、
   前記異種グラフの中の様々なタイプのノード及び前記様々なタイプのノードの間の関係を確定するように配置されている確定ユニットと
   を更に含むことを特徴とする請求項６に記載の装置。
8. 前記第一の取得ユニットは、
   前記異なるメタパスの中のそれぞれのメタパスに対しては、前記異種グラフの中の様々なタイプのノード及び前記様々なタイプのノードの間の関係に基づき、前記異種グラフをサンプリングすることにより、当該メタパスに対応するノード辿りパス情報を取得するように更に配置されていることを特徴とする請求項７に記載の装置。
9. 予めトレーニングされた前記異種グラフノード表現モデルにより、処理待ち異種グラフのノード表現結果を取得するように配置されているノード表現ユニットを更に含むことを特徴とする請求項７に記載の装置。
10. 前記初期異種グラフノード表現モデルは、スキップグラムモデルであることを特徴とする請求項６に記載の装置。
11. 少なくとも１つのプロセッサと、
    前記少なくとも１つのプロセッサと通信接続するメモリとを備え、
    前記メモリは、前記少なくとも１つのプロセッサにより実行される命令を記憶し、前記命令が前記少なくとも１つのプロセッサにより実行されることにより、前記少なくとも１つのプロセッサは、請求項１〜５の何れか１つに記載の方法を実行することを特徴とする電子デバイス。
12. コンピュータ命令が記憶されている非一時的コンピュータ読み取り可能な記憶媒体であって、
    前記コンピュータ命令は、前記コンピュータが請求項１〜５の何れか１つに記載の方法を実行するために用いられることを特徴とする非一時的コンピュータ読み取り可能な記憶媒体。
13. コンピュータプログラムであって、
    プロセッサによって実行されると、請求項１から５のいずれか１項に記載の方法を実現する、コンピュータプログラム。

Images