所屬的技術(shù)人員能夠理解，本技術(shù)的各個方面可以實現(xiàn)為系統(tǒng)、方法或程序產(chǎn)品。因此，本技術(shù)的各個方面可以具體實現(xiàn)為以下形式，即：完全的硬件實施方式、完全的軟件實施方式(包括固件、微代碼等)，或硬件和軟件方面結(jié)合的實施方式，這里可以統(tǒng)稱為“電路”、“模塊”或“系統(tǒng)”。與上述方法實施例基于同一發(fā)明構(gòu)思，本技術(shù)實施例中還提供了一種電子設(shè)備，參閱圖7所示，其為應(yīng)用本技術(shù)實施例的一種電子設(shè)備的一個硬件組成結(jié)構(gòu)示意圖，電子設(shè)備700可以至少包括處理器701、以及存儲器702。其中，存儲器702存儲有程序代碼，當程序代碼被處理器701執(zhí)行時，使得處理器701執(zhí)行上述任意一種信息處理的步驟。在一些可能的實施方式中，根據(jù)本技術(shù)的計算裝置可以至少包括至少一個處理器、以及至少一個存儲器。其中，存儲器存儲有程序代碼，當程序代碼被處理器執(zhí)行時，使得處理器執(zhí)行本說明書上述描述的根據(jù)本技術(shù)各種示例性實施方式的信息處理的步驟。例如，處理器可以執(zhí)行如圖2a中所示的步驟。下面參照圖8來描述根據(jù)本技術(shù)的這種實施方式的計算裝置800。如圖8所示，計算裝置800以通用計算裝置的形式表現(xiàn)。計算裝置800的組件可以包括但不限于：上述至少一個處理單元801、上述至少一個存儲單元802、連接不同系統(tǒng)組件(包括存儲單元802和處理單元801)的總線803?？偩€803表示幾類總線結(jié)構(gòu)中的一種或多種，包括存儲器總線或者存儲器控制器、外圍總線、處理器或者使用多種總線結(jié)構(gòu)中的任意總線結(jié)構(gòu)的局域總線。存儲單元802可以包括易失性存儲器形式的可讀介質(zhì)，例如隨機存取存儲器(ram)8021和/或高速緩存存儲器8022，還可以進一步包括只讀存儲器(rom)8023。存儲單元802還可以包括具有一組(至少一個)程序模塊8024的程序/實用工具8025，這樣的程序模塊8024包括但不限于：操作系統(tǒng)、一個或者多個應(yīng)用程序、其它程序模塊以及程序數(shù)據(jù)，這些示例中的每一個或某種組合中可能包括網(wǎng)絡(luò)環(huán)境的實現(xiàn)。計算裝置800也可以與一個或多個外部設(shè)備804(例如鍵盤、指向設(shè)備等)通信，還可與一個或者多個使得對象能與計算裝置800交互的設(shè)備通信，和/或與使得該計算裝置800能與一個或多個其它計算裝置進行通信的任何設(shè)備(例如路由器、調(diào)制解調(diào)器等等)通信。這種通信可以通過輸入/輸出(i/o)接口805進行。并且，計算裝置800還可以通過網(wǎng)絡(luò)適配器806與一個或者多個網(wǎng)絡(luò)(例如局域網(wǎng)(lan)，廣域網(wǎng)(wan)和/或公共網(wǎng)絡(luò)，例如因特網(wǎng))通信。如圖所示，網(wǎng)絡(luò)適配器806通過總線803與用于計算裝置800的其它模塊通信。應(yīng)當理解，盡管圖中未示出，可以結(jié)合計算裝置800使用其它硬件和/或軟件模塊，包括但不限于：微代碼、設(shè)備驅(qū)動器、冗余處理器、外部磁盤驅(qū)動陣列、raid系統(tǒng)、磁帶驅(qū)動器以及數(shù)據(jù)備份存儲系統(tǒng)等。與上述方法實施例基于同一發(fā)明構(gòu)思，本技術(shù)提供的信息處理的各個方面還可以實現(xiàn)為一種程序產(chǎn)品的形式，其包括程序代碼，當程序產(chǎn)品在電子設(shè)備上運行時，程序代碼用于使電子設(shè)備執(zhí)行本說明書上述描述的根據(jù)本技術(shù)各種示例性實施方式的信息處理方法中的步驟，例如，電子設(shè)備可以執(zhí)行如圖2a所示的步驟。程序產(chǎn)品可以采用一個或多個可讀介質(zhì)的任意組合?？勺x介質(zhì)可以是可讀信號介質(zhì)或者可讀存儲介質(zhì)?？勺x存儲介質(zhì)例如可以是但不限于電、磁、光、電磁、紅外線、或半導體的系統(tǒng)、裝置或器件，或者任意以上的組合?？勺x存儲介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個或多個導線的電連接、便攜式盤、硬盤、隨機存取存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或閃存)、光纖、便攜式緊湊盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。盡管已描述了本技術(shù)的優(yōu)選實施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實施例以及落入本技術(shù)范圍的所有變更和修改。顯然，本領(lǐng)域的技術(shù)人員可以對本技術(shù)進行各種改動和變型而不脫離本技術(shù)的精神和范圍。這樣，倘若本技術(shù)的這些修改和變型屬于本技術(shù)權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本技術(shù)也意圖包含這些改動和變型在內(nèi)。

背景技術(shù)：

1、相關(guān)技術(shù)下，為了更好的與相關(guān)對象之間進行業(yè)務(wù)交互，通常針對相關(guān)對象進行信息處理，進而依據(jù)信息處理結(jié)果，確定相關(guān)對象可能感興趣的內(nèi)容。

2、目前，在針對相關(guān)對象進行信息處理時，通常先獲取相關(guān)對象關(guān)聯(lián)的歷史操作數(shù)據(jù)，再通過對歷史操作數(shù)據(jù)進行處理，得到滿足需要的內(nèi)容。

3、例如，在出行導航的業(yè)務(wù)場景下，可以獲取相關(guān)對象的歷史操作數(shù)據(jù)，并通過對歷史操作數(shù)據(jù)進行分析，確定相關(guān)對象出行頻次最高的地點。

4、然而，已有的處理方式嚴重依賴于對象自身的歷史操作數(shù)據(jù)，因此在確定滿足需要的內(nèi)容時一方面具有很大的內(nèi)容局限性，另一方面可能受操作偶然性因素的影響，誤確定滿足需要的內(nèi)容，從而降低了與相關(guān)對象間的業(yè)務(wù)交互效率。

5、有鑒于此，需要一種更高效且智能的信息處理方式，以便輔助相關(guān)對象更好的進行業(yè)務(wù)處理。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供一種信息處理方法、裝置、電子設(shè)備及存儲介質(zhì)，用以降低可處理信息的內(nèi)容局限性帶來的不良影響，得到能夠?qū)ο嚓P(guān)對象與業(yè)務(wù)內(nèi)容間的適配關(guān)系進行有效分析的處理結(jié)果。

2、第一方面，提出一種信息處理方法，用于圖神經(jīng)網(wǎng)絡(luò)模型的訓練，包括：

3、基于指定業(yè)務(wù)場景下各目標對象各自針對業(yè)務(wù)對象的歷史操作情況，構(gòu)建圖數(shù)據(jù)；所述圖數(shù)據(jù)包括：基于各目標對象和各業(yè)務(wù)對象各自對應(yīng)的節(jié)點構(gòu)建的節(jié)點信息集、由節(jié)點間的連接邊對應(yīng)的操作時間構(gòu)建的時間信息集、各節(jié)點各自的節(jié)點特征和所述各連接邊各自的邊交互特征；所述邊交互特征表征：目標對象對于業(yè)務(wù)對象的時序操作情況；

4、基于所述圖數(shù)據(jù)，對初始的圖神經(jīng)網(wǎng)絡(luò)模型進行多輪迭代訓練，得到訓練后的目標模型和所述目標模型針對所述各節(jié)點分別構(gòu)建的目標嵌入向量，其中，在一輪迭代訓練過程中，執(zhí)行以下操作：

5、采用所述圖神經(jīng)網(wǎng)絡(luò)模型，針對各操作時間提取得到對應(yīng)的各操作時間特征，并針對每個節(jié)點執(zhí)行以下操作：聚合關(guān)聯(lián)的各鄰域節(jié)點各自對應(yīng)的節(jié)點特征、操作時間特征和邊交互特征，獲得對應(yīng)的預(yù)測嵌入向量；

6、確定所述各連接邊各自連接的存在鄰域關(guān)系的節(jié)點對，并在各節(jié)點對中分別確定參考節(jié)點，以及基于各節(jié)點對各自對應(yīng)的參考節(jié)點與領(lǐng)域節(jié)點間，及參考節(jié)點與非鄰域的其他節(jié)點間預(yù)測嵌入向量的相似情況，調(diào)整模型參數(shù)。

7、第二方面，提出一種信息處理裝置，用于圖神經(jīng)網(wǎng)絡(luò)模型的訓練，包括：

8、構(gòu)建單元，用于基于指定業(yè)務(wù)場景下各目標對象各自針對業(yè)務(wù)對象的歷史操作情況，構(gòu)建圖數(shù)據(jù)；所述圖數(shù)據(jù)包括：基于各目標對象和各業(yè)務(wù)對象各自對應(yīng)的節(jié)點構(gòu)建的節(jié)點信息集、由節(jié)點間的連接邊對應(yīng)的操作時間構(gòu)建的時間信息集、各節(jié)點各自的節(jié)點特征和所述各連接邊各自的邊交互特征；所述邊交互特征表征：目標對象對于業(yè)務(wù)對象的時序操作情況；

9、訓練單元，用于基于所述圖數(shù)據(jù)，對初始的圖神經(jīng)網(wǎng)絡(luò)模型進行多輪迭代訓練，得到訓練后的目標模型和所述目標模型針對所述各節(jié)點分別構(gòu)建的目標嵌入向量，其中，在一輪迭代訓練過程中，執(zhí)行以下操作：

10、采用所述圖神經(jīng)網(wǎng)絡(luò)模型，針對各操作時間提取得到對應(yīng)的各操作時間特征，并針對每個節(jié)點執(zhí)行以下操作：聚合關(guān)聯(lián)的各鄰域節(jié)點各自對應(yīng)的節(jié)點特征、操作時間特征和邊交互特征，獲得對應(yīng)的預(yù)測嵌入向量；

11、確定所述各連接邊各自連接的存在鄰域關(guān)系的節(jié)點對，并在各節(jié)點對中分別確定參考節(jié)點，以及基于各節(jié)點對各自對應(yīng)的參考節(jié)點與領(lǐng)域節(jié)點間，及參考節(jié)點與非鄰域的其他節(jié)點間預(yù)測嵌入向量的相似情況，調(diào)整模型參數(shù)。

12、可選的，構(gòu)建圖數(shù)據(jù)中的邊交互特征時，所述構(gòu)建單元用于：

13、基于指定業(yè)務(wù)場景下各目標對象各自關(guān)聯(lián)的表征歷史操作情況的各歷史操作數(shù)據(jù)，聚合所述各目標對象在不同歷史時間操作業(yè)務(wù)對象的操作信息；

14、對應(yīng)所述各目標對象，及各歷史操作數(shù)據(jù)覆蓋的各業(yè)務(wù)對象，構(gòu)建各節(jié)點，并依據(jù)目標對象與業(yè)務(wù)對象間的操作關(guān)系，在相應(yīng)的節(jié)點間構(gòu)建連接邊；

15、基于各連接邊各自對應(yīng)的聚合后的操作信息組，分別生成對應(yīng)的邊交互特征。

16、可選的，所述聚合所述各目標對象在不同歷史時間操作業(yè)務(wù)對象的操作信息時，所述構(gòu)建單元用于包括：

17、針對每個目標對象關(guān)聯(lián)的各歷史操作數(shù)據(jù)，按照預(yù)設(shè)的分割標識對所述各歷史操作數(shù)據(jù)進行數(shù)據(jù)內(nèi)容拆分，確定所述目標對象在不同歷史時間對于業(yè)務(wù)對象的操作信息；

18、針對所述目標對象與操作的每個業(yè)務(wù)對象，將不同歷史時間的操作信息按照信息類型進行內(nèi)容聚合，得到聚合后的操作信息組。

19、可選的，所述基于各連接邊各自對應(yīng)的聚合后的操作信息組，分別生成對應(yīng)的邊交互特征時，所述構(gòu)建單元用于：

20、采用預(yù)設(shè)的編碼技術(shù)，針對每個聚合后的操作信息組，對所述操作信息組中不同類型的信息內(nèi)容進行編碼，得到對應(yīng)的邊交互特征。

21、可選的，構(gòu)建圖數(shù)據(jù)中的時間信息集時，所述構(gòu)建單元用于：

22、針對每個目標對象關(guān)聯(lián)的各歷史操作數(shù)據(jù)，基于不同歷史操作數(shù)據(jù)中記錄的，所述目標對象操作相同業(yè)務(wù)對象的各歷史時間，得到對應(yīng)的操作時間；

23、基于各目標對象各自對于操作的業(yè)務(wù)對象的操作時間，得到時間信息集。

24、可選的，所述聚合關(guān)聯(lián)的各鄰域節(jié)點各自對應(yīng)的節(jié)點特征、操作時間特征和邊交互特征，獲得對應(yīng)的預(yù)測嵌入向量時，所述訓練單元用于：

25、按照預(yù)設(shè)的模型深度和鄰域采樣函數(shù)，確定所述節(jié)點關(guān)聯(lián)的各鄰域節(jié)點；

26、采用所述模型深度對應(yīng)的時序邊聚合器，針對所述節(jié)點，聚合關(guān)聯(lián)的各鄰域節(jié)點各自對應(yīng)的綜合特征，得到對應(yīng)的預(yù)測嵌入向量，其中，所述綜合特征由鄰域節(jié)點關(guān)聯(lián)的節(jié)點特征、操作時間特征，以及邊交互特征拼接得到。

27、可選的，得到訓練后的目標模型和所述目標模型針對所述各節(jié)點分別構(gòu)建的目標嵌入向量后，所述裝置還包括推薦單元，所述推薦單元進一步用于：

28、響應(yīng)于訪問對象的訪問指示，查找所述訪問對象匹配的目標嵌入向量；

29、查找到與所述訪問對象匹配的目標嵌入向量時，基于所述訪問對象對應(yīng)的目標嵌入向量，與各業(yè)務(wù)對象的目標嵌入向量間的向量相似度，確定與所述訪問對象適配的目標業(yè)務(wù)對象，并向所述訪問對象推薦所述目標業(yè)務(wù)對象。

30、可選的，未查找到與所述訪問對象匹配的目標嵌入向量時，所述推薦單元用于：

31、基于所述訪問對象在所述指定業(yè)務(wù)場景下的歷史操作情況，確定所述訪問對象操作的歷史業(yè)務(wù)對象，并在所述目標模型針對各節(jié)點構(gòu)建的各目標嵌入向量中，確定所述歷史業(yè)務(wù)對象匹配的目標嵌入向量；

32、基于所述歷史業(yè)務(wù)對象的目標嵌入向量，生成所述訪問對象對應(yīng)的目標嵌入向量，并基于所述訪問對象的目標嵌入向量，與所述各業(yè)務(wù)對象的目標嵌入向量間的向量相似度，確定向所述訪問對象推薦的目標業(yè)務(wù)對象。

33、可選的，得到訓練后的目標模型和所述目標模型針對所述各節(jié)點分別構(gòu)建的目標嵌入向量后，所述裝置中還包括推薦單元，所述推薦單元進一步用于：

34、響應(yīng)于訪問對象的訪問指示，獲取所述訪問指示中攜帶的訪問時間；

35、確定所述訪問對象為所述圖數(shù)據(jù)中的目標對象時，在所述目標模型中的鄰域采樣函數(shù)中，添加根據(jù)所述訪問時間確定的時間約束，并采用調(diào)整后的所述目標模型，更新所述訪問對象和各業(yè)務(wù)對象對應(yīng)的目標嵌入向量；

36、基于更新后的所述目標嵌入向量，與各業(yè)務(wù)對象的目標嵌入向量間的向量相似度，確定向所述訪問對象推薦的目標業(yè)務(wù)對象。

37、第三方面，提出一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)上述方法。

38、第四方面，提出一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述方法。

39、第五方面，提出一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述方法。

40、本技術(shù)有益效果如下：

41、本技術(shù)實施例中，提出一種信息處理方法、裝置、電子設(shè)備及存儲介質(zhì)，借助于指定業(yè)務(wù)場景下各目標對象各自針對業(yè)務(wù)對象的歷史操作情況，構(gòu)建用于進行無監(jiān)督模型訓練的圖數(shù)據(jù)，并通過訓練圖神經(jīng)網(wǎng)絡(luò)模型，得到各目標對象和各業(yè)務(wù)對象各自對應(yīng)的目標嵌入向量。在構(gòu)建的圖數(shù)據(jù)中，包含了基于各目標對象和各業(yè)務(wù)對象各自對應(yīng)的節(jié)點構(gòu)建的節(jié)點信息集、由節(jié)點間的連接邊對應(yīng)的操作時間構(gòu)建的時間信息集、各節(jié)點各自的節(jié)點特征，以及各連接邊各自的邊交互特征，其中，邊交互特征表征：目標對象對于業(yè)務(wù)對象的時序操作情況。而且，在具體的模型訓練過程中，能夠基于時間信息集中的各操作時間生成對應(yīng)的操作時間特征，進而在生成節(jié)點對應(yīng)的預(yù)測嵌入向量時，聚合鄰域節(jié)點的節(jié)點特征、邊交互特征，以及操作時間特征，得到節(jié)點對應(yīng)的嵌入表征。

42、這樣，在分析指定業(yè)務(wù)場景下各目標對象各自針對業(yè)務(wù)對象的歷史操作情況，構(gòu)建對應(yīng)的圖數(shù)據(jù)時，不僅基于目標對象對于業(yè)務(wù)對象的操作情況，構(gòu)建節(jié)點和連接邊，還依據(jù)目標對象對于業(yè)務(wù)對象的操作時間，以及目標對象對于業(yè)務(wù)對象的時序操作情況，構(gòu)建了操作時間特征和邊交互特征，使得能夠在構(gòu)建的圖數(shù)據(jù)中引入對于操作時間和不同操作時間下操作情況的考量，不僅有助于在圖數(shù)據(jù)中表達出目標對象在不同操作時間對于相同業(yè)務(wù)對象的操作差異，還有助于分析出操作時間對于目標對象和業(yè)務(wù)對象間交互情況的影響，提高圖數(shù)據(jù)對于指定業(yè)務(wù)場景下交互情況的描述準確性；

43、進而，在訓練實現(xiàn)時間特征提取和嵌入向量生成的圖神經(jīng)網(wǎng)絡(luò)模型的過程中，針對各節(jié)點，通過聚合關(guān)聯(lián)的各鄰域節(jié)點的節(jié)點特征、操作時間特征和邊交互特征，得到對應(yīng)的預(yù)測嵌入向量，使得生成的預(yù)測嵌入向量中融合有操作時間的影響，增強節(jié)點的嵌入表征對于操作時間的敏感性；在完成模型訓練后，通過針對各節(jié)點分別構(gòu)建目標嵌入向量，能夠從指定業(yè)務(wù)場景的全局角度，實現(xiàn)目標對象和業(yè)務(wù)對象的嵌入表示，為從全局范圍內(nèi)分析目標對象和業(yè)務(wù)對象間的操作可能性提供了處理依據(jù)，提高了目標對象可考量的業(yè)務(wù)對象范圍，為分析業(yè)務(wù)對象對于目標對象的適配性提供了有利的依據(jù)。