(19)中华 人民共和国 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 202111504144.7 (22)申请日 2021.12.10 (71)申请人 哈尔滨工业大 学 （深圳） 地址 518000 广东省深圳市南 山区桃源街 道深圳大 学城哈尔滨工业大 学校区 (72)发明人 李君一　贺明　黄晨　刘博　 王亚东　 (74)专利代理 机构 深圳市道勤知酷知识产权代 理事务所(普通 合伙) 44439 代理人 何兵　吕诗 (51)Int.Cl. G16H 50/30(2018.01) G16H 50/20(2018.01) G06Q 10/04(2012.01) G06F 40/30(2020.01) (54)发明名称 用于疾病预测的异质图表示方法、 装置、 设 备及存储介质 (57)摘要 本发明公开了一种异质图表 示方法、 异质图 表示设备、 移动设备及存储介质， 该方法包括： 基 于元路径将 同一向量空间的异构图转化为同构 图， 各个同构图的节点类型与其源节点相同； 对 所述同构图的每个节点的子图进行分解， 获得多 个因子图； 采用双注意力机制对 所述多个因子图 进行邻居信息聚合， 并拼接聚合后的特征信息， 获得元路径的节点特征向量； 对不同元路径的节 点特征向量进行融合， 获得异构图节 点的节点嵌 入。 由此， 将异构图转化为同构图后， 对节 点的子 图进行分解获得大量的因子图， 并通过双注意力 机制对因子图进行邻居信息聚合， 以获得该异构 图的节点嵌入， 进而得到了异构图全面、 准确的 信息， 提高了机器学习中基于少量数据的信息提 取的准确性和全面 性。 权利要求书2页 说明书10页 附图3页 CN 114141375 A 2022.03.04 CN 114141375 A 1.一种异质图表示方法， 其特征在于， 所述方法应用于异质图表示设备， 所述方法包 括： 基于元路径将同一向量空间的异构图转化为同构图， 各个同构图的节点类型与其源节 点相同； 对所述同构图的每 个节点的子图进行分解， 获得多个因子图； 采用双注意力机制对所述多个因子 图进行邻居信息聚合， 并拼接聚合后的特征信息， 获得元路径的节点特 征向量； 对不同元路径的节点特 征向量进行融合， 获得异构图节点的节点嵌入。 2.根据权利要求1所述的方法， 其特征在于， 所述基于元路径将同一向量空间的异构图 转化为同构图的步骤之前还 包括： 将包含不同节点类型的数据集的异构图投影至同一向量空间， 以统一模型输入特征向 量的维度。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述同构图的每个节点的子图进行 分解， 获得多个因子图的步骤 包括： 多次重构所述同构图的边权重， 获得所述同构图每条边的新的权重矩阵， 并基于所述 新的权重矩阵获得节点的因子图。 4.根据权利要求3所述的方法， 其特征在于， 所述对所述同构图的每个节点的子图进行 分解， 获得 大量的因子图的步骤 包括： 在重构权重获得因子 图的过程中， 通过判别损 失函数计算多个因子 图的判别损 失， 以 获得包括 不同语义信息的因子图。 5.根据权利要求1所述的方法， 其特征在于， 所述双注意力 机制包括自注意力 机制和多 头注意力机制； 所述采用双注意力 机制对所述多个因子图进行邻居信 息聚合， 并拼接聚合后的特征信 息， 获得元路径的节点特 征向量的步骤 包括： 基于自注意力对单个因子图的目标节点的邻居信息进行聚合， 获得聚合后的特征向 量； 通过所述多头注意力机制重复执 行所述聚合操作， 并拼接聚合后的特 征向量； 将所有因子图生成的特 征向量进行拼接， 获得 元路径的节点特 征向量。 6.根据权利要求5所述的方法， 其特征在于， 所述基于自注意力对单个因子图的目标节 点的邻居信息进行聚合获得聚合后的特 征向量的步骤 包括： 对单个因子图的目标节点的邻居信 息进行聚合， 获得聚合后目标节点在对应因子图中 的注意力权 重； 获得因子图中所有节点的注意力 权重后， 基于所述自注意力 机制将各个节点的注意力 权重进行拼接， 获得聚合后的特 征向量。 7.根据权利要求1所述的方法， 其特征在于， 对不同元路径的节点信息进行融合， 获得 异构图节点的节点嵌入的步骤 包括： 对每种元路径下产生的节点特 征向量进行平均操作， 获得平均节点特 征向量； 基于所述平均节点特征向量计算每种元路径下的注意力 权重， 并基于所述每种元路径 下的注意力权 重获得融合了不同元路径的异构图节点的节点嵌入。权　利　要　求　书 1/2 页 2 CN 114141375 A 28.一种异质图表示方法装置， 其特 征在于， 所述装置包括： 转化模块， 用于基于元路径将同一向量空间的异构图转化为同构图， 各个同构图的节 点类型与其源节点相同； 分解模块， 用于对所述同构图的每 个节点的子图进行分解， 获得多个因子图； 聚合模块， 用于采用 双注意力机制对所述多个因子 图进行邻居信息聚合， 并拼接聚合 后的特征信息， 获得 元路径的节点特 征向量； 融合模块， 用于对不同元路径的节点特 征向量进行融合， 获得异构图节点的节点嵌入。 9.一种异质图表示设备， 其特征在于， 包括存储器、 处理器以及存储在所述存储器上的 异质图表示方法程序， 所述异质图表示方法程序被所述处理器运行时实现如权利要求1 ‑7 中任一项所述的方法的步骤。 10.一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上存储有异质图 表示方法程序， 所述异质图表示方法程序被处理器运行时实现如权利要求1 ‑7中任一项所 述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114141375 A 3