(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 202211507949.1 (22)申请日 2022.11.29 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 赵闻飙　吴若凡　 (74)专利代理 机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 专利代理师 陈霁　周良玉 (51)Int.Cl. G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 21/62(2013.01) (54)发明名称 兼顾隐私保护和公平性的图神经网络的训 练方法及装置 (57)摘要 本说明书实施例提供一种兼顾隐私保护和 公平性的图神经网络的训练方法及装置， 该方法 包括： 利用图神经网络， 对用户关系网络图中N个 目标用户对应的节点进行表征聚合， 得到N个目 标用户的用户表征； 至少基于各目标用户的用户 表征， 采用与目标业务相关的预设损失函数， 确 定各目标用户对应的预测损失； 根据各预测损 失， 确定各目标用户对应的权重值， 使得预测损 失越大， 所对应目标用户的权重值越大； 基于各 目标用户的预测损失和权重值， 确定总预测损 失； 以最小化总预测损失为目标， 调整 图神经网 络的参数。 权利要求书2页 说明书9页 附图3页 CN 115545172 A 2022.12.30 CN 115545172 A 1.一种兼顾隐私保护和公平性的图神经网络的训练方法， 包括： 利用图神经网络， 对用户关系网络图中N个目标用户对应的节点进行表征聚合， 得到所 述N个目标用户的用户表征； 至少基于各目标用户的用户表征， 采用与目标业务相关的预设损 失函数， 确定各目标 用户对应的预测损失， 所述预测损失用于确定对应目标用户属于弱势群体的概率， 所述预 测损失越大， 所对应目标用户属于弱势群 体的概率越大； 根据各预测损失， 确定各目标用户对应的权重值， 使得所述概率越大， 所对应目标用户 的权重值越大； 基于各目标用户的预测损失和权 重值， 确定总预测损失； 以最小化所述总预测损失为目标， 调整所述图神经网络的参数。 2.如权利要求1所述的方法， 其中， 各目标用户具有与所述目标业 务对应的标签数据； 所述确定各目标用户对应的预测损失， 包括： 利用与所述目标业务相关的预测网络， 对各目标用户的用户表征进行处理， 得到各目 标用户对应的预测结果； 将所述标签数据和预测结果输入所述预设损失函数， 得到对应的预测损失。 3.如权利要求2所述的方法， 其中， 所述调整所述图神经网络的参数， 包括： 以最小化所述总预测损失为目标， 调整所述图神经网络和所述预测网络的参数。 4.如权利要求1所述的方法， 其中， 所述确定各目标用户对应的预测损失， 包括： 利用与所述目标业务相关的解码网络， 处理各目标用户的用户表征， 确定出各目标用 户的重构特 征数据； 基于各目标用户的重构特征数据和各目标用户对应的原始特征数据， 采用所述预设损 失函数， 计算得到各目标用户的预测损失。 5.如权利要求1所述的方法， 其中， 所述目标业务为如下业务中的一种： 预测用户分类、 预测用户指标值、 自编码业 务。 6.如权利要求1 ‑5任一项所述的方法， 其中， 所述确定各目标用户对应的权 重值， 包括： 以各预测损 失与其对应的权重值的乘积之和最大化为目标， 在预设约束条件下， 确定 各权重值， 其中， 所述预设约束 条件包括： 所述权重值形成的实际分布与预设先验分布之间 的距离不超过扰动半径。 7.如权利要求6所述的方法， 其中， 所述预设先验分布为均匀分布。 8.如权利要求6所述的方法， 其中， 所述扰动半径根据预设的所述用户关系网络图中弱 势群体用户的占比而确定 。 9.如权利要求1 ‑5任一项所述的方法， 其中， 所述确定总预测损失， 包括： 计算各目标用户的预测损失及对应的权 重值的乘积的和值， 作为总预测损失。 10.如权利要求1 ‑5任一项所述的方法， 其中， 所述利用图神经网络， 对用户关系网络图 中N个目标用户对应的节点进行表征聚合， 包括： 在所述用户关系 网络图中， 分别以各目标用户对应的节点为中心节点， 确定该中心节 点的K跳邻居节点 集， 该中心 节点及其K跳邻居节点 集构成一个样本 子图； 将各样本 子图输入所述图神经网络， 对其中的中心 节点进行表征聚合。 11.一种兼顾隐私保护和公平性的图神经网络的训练装置， 包括：权　利　要　求　书 1/2 页 2 CN 115545172 A 2聚合模块， 配置为利用图神经网络， 对用户关系网络图中N个目标用户对应的节点进行 表征聚合， 得到所述 N个目标用户的用户表征； 第一确定模块， 配置为至少基于各目标用户的用户表征， 采用与目标业务相关的预设 损失函数， 确定各目标用户对应的预测损失， 所述预测损失用于确定对应目标用户属于弱 势群体的概率， 所述预测损失越大， 所对应目标用户属于弱势群 体的概率越大； 第二确定模块， 配置为根据 各预测损失， 确定各目标用户对应的权重值， 使得所述概率 越大， 所对应目标用户的权 重值越大； 第三确定模块， 配置为基于各目标用户的预测损失和权 重值， 确定总预测损失； 调整模块， 配置为以最小化所述总预测损失为目标， 调整所述图神经网络的参数。 12.一种计算设备， 包括存储器和处理器， 其中， 所述存储器中存储有可执行代码， 所述 处理器执行所述可执行代码时， 实现权利要求1 ‑10中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115545172 A 3