(19)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 202211039739.4 (22)申请日 2022.08.29 (71)申请人 中孚安全技 术有限公司 地址 250101 山东省济南市高新区经十路 7000号汉峪金谷A1- 5号楼24层 (72)发明人 王晶　刘胜平　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 赵妍 (51)Int.Cl. G06F 16/35(2019.01) (54)发明名称 一种基于非参数贝叶斯的关系图数据聚类 方法及系统 (57)摘要 本发明涉及关系图数据聚类技术领域， 提供 了一种基于非参数贝叶斯的关系图数据聚类方 法及系统， 包括： 获取关系图数据； 根据概率图模 型， 初始化模型参数； 基于关系图数据， 使用多种 采样算法， 迭代采样所述模型参数的样本； 基于 采样得到的模 型参数， 根据最大化似然函数的方 式选择簇划分样本， 得到聚类结果； 其中， 簇划分 样本的先验概率为非参数贝叶斯先验。 在参数推 断过程中可以自动推断出簇的个数， 不需要人工 设置。 权利要求书1页 说明书7页 附图2页 CN 115309903 A 2022.11.08 CN 115309903 A 1.一种基于非参数贝叶斯的关系图数据聚类方法， 其特 征在于， 包括： 获取关系图数据； 根据概率图模型， 初始化模型参数； 基于关系图数据， 使用多种采样算法， 迭代采样所述模型参数的样本； 基于采样得到的模型参数， 根据最大化似然函数的方式选择簇划分样本， 得到聚类结 果； 其中， 簇划分样本的先验概 率为非参数贝叶斯先验。 2.如权利要求1所述的一种基于非参数贝叶斯的关系图数据聚类方法， 其特征在于， 在 迭代采样模型参数的样本之前对关系图数据进行 预处理； 所述预处 理包括清除孤立的节点、 冗余自回路和将关系数据转换为统一格式。 3.如权利要求1所述的一种基于非参数贝叶斯的关系图数据聚类方法， 其特征在于， 所 述迭代采样模型参数的样本的过程 为： 基于超参数， 采用Met ropolis‑Hasting采样算法或Gib bs采样算法采样簇划分样本； 基于簇划分样本， 利用辅助变量法或切片采样法， 采样超参数； 根据标准 化互信息和迭代次数， 判断是否退 出采样迭代。 4.如权利要求1所述的一种基于非参数贝叶斯的关系图数据聚类方法， 其特征在于， 所 述关系图数据为同质节点关系图数据或异质节点关系图数据。 5.如权利要求1所述的一种基于非参数贝叶斯的关系图数据聚类方法， 其特征在于， 根 据似然概 率， 选择使对数似然最大的簇划分样本作为聚类结果。 6.如权利要求1所述的一种基于非参数贝叶斯的关系图数据聚类方法， 其特征在于， 利 用多项分布与狄利克雷分布的共轭关系， 通过积分消去所述概率图模型中的连接概率向 量。 7.一种基于非参数贝叶斯的关系图数据聚类系统， 其特 征在于， 包括： 数据获取模块， 其被 配置为： 获取关系图数据； 初始化模块， 其被 配置为： 根据概 率图模型， 初始化模型参数； 迭代采样模块， 其被配置为： 基于关系图数据， 使用多种采样算法， 迭代采样所述模型 参数的样本； 聚类模块， 其被配置为： 基于采样得到的模型参数， 根据最大化似然函数的方式选择簇 划分样本， 得到聚类结果； 其中， 簇划分样本的先验概 率为非参数贝叶斯先验。 8.如权利要求7所述的一种基于非参数贝叶斯的关系图数据聚类系统， 其特征在于， 还 包括预处 理模块， 其被 配置为： 在迭代采样模型参数的样本之前对关系图数据进行 预处理； 所述预处 理包括清除孤立的节点、 冗余自回路和将关系数据转换为统一格式。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1 ‑6中任一项 所述的一种基于非参数贝叶斯的关系图数据聚类方法中 的步骤。 10.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑6中任一项 所述的一 种基于非参数贝叶斯的关系图数据聚类方法中的步骤。权　利　要　求　书 1/1 页 2 CN 115309903 A 2一种基于非参数贝叶斯的关系图数据聚类方 法及系统 技术领域 [0001]本发明属于关系图数据聚类技术领域， 尤其涉及 一种基于非参数贝叶斯的关系图 数据聚类方法及系统。 背景技术 [0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息， 不必然构成在先技 术。 [0003]随着大数据技术门槛不断下降， 各行各业迎来数字化转型。 数据在数字化转型中 处于核心 地位， 很多企业和组织拥有 大量的数据， 但要挖掘海量数据的信息， 互联网头部企 业选择尝试建立多种知识图谱， 用图数据库存储各种实体与关系， 并利用机器学习、 深度学 习等方法对关系图数据进行挖掘 。 这种利用知识图谱结合机器学习的数据挖掘方式， 不但 是企业、 组织和行业与数字化、 智能化结合的关键点， 而且还 可以给自身 带来具有实际价值 的业务情报。 [0004]图数据的挖掘算法种类繁多， 其中图节点聚类算法可以将图中节点划分成具有相 似特性和功能的子集合， 是针对图数据的十分重要的机器学习算法。 通过对关系图中节点 聚类， 可以挖掘图中的隐藏结构和隐藏特征， 通常这些结构和特征无法通过人工观测和统 计数据获得。 如通过对人物 ‑事件关系图进行聚类可以发现人物活动的交集； 对用户 ‑物品 关系图进 行聚类， 可以同时发现用户的不同偏好及物品的不同类型； 对实体 ‑属性关系图进 行聚类， 可以发现实体间的联系紧密程度。 [0005]关系图中的节点可以表示同一类事物(同质节点)， 比如人物的共现关系中节点都 为人物； 也可以表示不同类的事物(异质节点)， 比如用户 ‑物品购买关系中， 节点分为用户 和物品两类， 而且同一类节点之间不存在购买关系。 常见 的图节点聚类方法有基于谱聚类 的方法、 基于随机游走的方法， 基于无监督深度学习+k ‑means(或+谱聚类)的方法等， 但这 些方法并非针对关系图数据， 在对关系图数据聚类时存在瑕疵。 [0006]首先， 以上模型在对关系图数据聚类过程中， 需要提前设置簇的个数， 缺少自动发 现簇个数的能力， 聚类节点前需要 给定预估的簇个数， 这简化了模型的聚类过程， 但要找出 合理的簇个数， 需要利用最小化描述长度、 贝叶斯模型选择等方法， 不但增加实现复杂度， 还造成聚类效果 不佳。 [0007]其次， 以上模型对同质节点的聚类具有较好的表 现， 但缺乏考虑异质节点的关系， 如是否参与(某个事件)， 是否购买(某个物品)， 是否具有(某个特性)等异质节 点的关系， 导 致在这类数据集上聚类效果 不佳。 发明内容 [0008]为了解决上述背景技术中存在的技术问题， 本发明提供一种基于非参数贝叶斯的 关系图数据聚类方法及系统， 利用非参数贝叶斯方法生成节点的簇划分， 在参数推 断过程 中可以自动推断出簇的个数， 不需要人工设置 。说　明　书 1/7 页 3 CN 115309903 A 3