(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 202211211721.8 (22)申请日 2022.09.30 (71)申请人 广东工业大 学 地址 510000 广东省广州市东 风东路72号 (72)发明人 邵长城　 (74)专利代理 机构 长沙轩荣专利代理有限公司 43235 专利代理师 张慧敏 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 30/06(2012.01) (54)发明名称 一种基于图神经网络的风险商品识别模型 (57)摘要 现如今， 图计算尤其是图神经网络等技术获 得了快速的发展以及广泛的应用。 而在电商平台 上的风险商品检测场景中， 黑灰产和风控系统之 间存在着 激烈的对抗， 黑灰产通过蓄意掩饰风险 信息来躲避平台管控， 从而会导致线上交易风险 不断升高。 本发 明公开一种基于图神经网络的风 险商品识别模 型， 通过将场景中的图数据引入图 神经网络中， 从而缓解因黑灰产对抗带来的检测 效果下降， 有效地降低线上交易过程中的风险。 步骤包括： 步骤1、 将电商平台的商品数据进行预 处理并转化为图数据； 步骤2、 将步骤1中的图数 据输入到图神经网络中训练来学习每个节点(商 品)的嵌入表示； 步骤3、 根据步骤2图神经网络的 输出结果进行节点分类， 从而完成识别任务。 权利要求书2页 说明书4页 附图1页 CN 115545467 A 2022.12.30 CN 115545467 A 1.本发明公开了一种基于图神经网络的风险商品识别方法， 包 含以下步骤： 步骤1、 将电商平台的商品数据进行预处理， 对其进行清洗， 包括对不利于模型训练的 数据中的缺 失值， 异常值等进 行清理， 同时对时间特征 统一格式， 然后将处理好的数据转化 为图数据； 步骤2、 训练每个节点(商品)的嵌入表示， 将步骤1处理后的商品数据输入到图神经网 络中进行训练； 步骤3、 进行节点分类并进行风险识别， 得到每个节点的嵌入表示后， 通过sigmoid函数 进行分类， 识别该节点所表示的商品是否有风险。 2.根据权利要求1所述的种基于图神经网络的风险商品识别模型， 其特征在于步骤1 中， 所述数据预处 理的具体步骤为： (1)获取电商平台数据并进行预处理， 样本 特征集合Xi是商品的基本属性和交易记录等 集合， 即第i个样本特征集合为Xi＝{xi1,xi2,...,xin},i＝1,2,...,m， 表示有m个样本， n个 特征； 对销售量 等跨度较大的数据进行mi n‑max归一化处理： (2)商品风险类别Yi是指该商品是否为风险商品， 1表示该商品为风险商品， 0表示该商 品为正常商品， 即Yi＝{yi},i＝1,2,...,m， yi为0‑1变量； (3)将商品数据 转化为图数据表示； 构 建异构图G＝(V,E)， P个节点(包括用户和商品)， Q个边， 如果用户购买了商品或者商品之间有关联， 则有一条边相连。 3.根据权利要求1所述的种基于图神经网络的风险商品识别模型， 其特征在于步骤2 中， 训练每 个节点(商品)的嵌入表示的具体步骤为： (1)将步骤1中的商品图数据输入到图神经网络中； (2)每个节点的初始embed ding表示为： 经过K层(K为整数)的邻居信息聚合之后,该节点embed ding表示如下： 其中， k表示GNN层数， Wk,Qk∈RP×k为第k层的权重矩阵； N(p)为节点p的邻居节点集合， u 为节点p的邻居节点， Relu为激活函数； 最终节点的embed ding表示为： 4.根据权利要求1所述的种基于图神经网络的风险商品识别模型， 其特征在于步骤3 中： 进行节点分类并进行风险识别的具体步骤为： (1)将商品的embed ding向量作为sigmo id函数的输入向量； (2)其损失函数为：权　利　要　求　书 1/2 页 2 CN 115545467 A 2其中ω是权 重矩阵， b是偏置 。权　利　要　求　书 2/2 页 3 CN 115545467 A 3