层次图神经网络跨设备用户匹配 - 无ID的跨端行为拼接

1. 解决的问题

将每台设备的 URL 访问序列 $\mathcal{S}_v = \{s_1, s_2, \ldots, s_n\}$ 构建为层次异构图

2. 核心算法逻辑

将每台设备的 URL 访问序列 $\mathcal{S}_v = \{s_1, s_2, \ldots, s_n\}$ 构建为层次异构图：

3. 业务应用场景

业务问题：母婴 DTC 站在 Instagram 投广告，用户在手机看到广告、到电脑搜索品牌词下单。设备级日志显示"手机曝光零转化""电脑无广告来源"——Sankey 归因图中跨设备链路断裂，平台报告 ROAS 严重失真。需要识别"这两台设备属于同一用户"，恢复真实跨端转化路径。

| 字段 | 类型 | 示例 | |------|------|------| | `device_id` | str | `"mob_a3f9c2"` / `"pc_b71e44"` | | `url_sequence` | List[str] | `["instagram.com/reel/xxx", "google.com/search?q=品牌", "brand.com/product/abc"]` | | `timestamp_sequence` | List[datetime] | `[2025-03-01 10:15, 2025-03-01 10:16, ...]` | | `d

- 最小要求：每设备至少 20 条匿名 URL 日志（时间跨度 2-4 周） - 数据来源：独立站服务端日志（不依赖第三方 Cookie），通过 IP + User-Agent 初步聚类生成 device_id - 隐私合规：URL 仅保留 domain+path 前两级，不含查询参数中的个人信息

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

⭐⭐⭐⭐☆

7. 代码模板

代码块数量：2 · 路径：未检测到

"""
HGNN Cross-Device Matching — 完整实现
arXiv:2304.03215 (NVIDIA, 2023)

依赖: torch>=2.0, torch_geometric>=2.4, numpy, scikit-learn
"""

import torch
import torch.nn as nn
import torch.nn.functional as F
from torch_geometric.data import HeteroData, Batch
from torch_geometric.nn import MessagePassing, HeteroConv
import numpy as np
from typing import List, Tuple, Dict, Optional
from sklearn.metrics import f1_score, precision_score, recall_score


# ============================================================
# 1. 层次图构建
# ============================================================

def build_hierarchical_graph(
    url_sequence: List[int],
    K: int = 6,
    url_embed_dim: int = 64,
    url_vocab_size: int = 10000,
) -> HeteroData:
    """
    将 URL 访问序列转换为层次异构图（Fine + Coarse 节点）。
    
    Args:
        url_sequence: URL ID 列表（已编码为整数）
        K:            每 K 个连续 URL 分配一个 coarse 节点
        url_embed_dim: URL embedding 维度
        url_vocab_size: URL 词表大小
    
    Returns:
        HeteroData，包含 fine 节点、coarse 节点及其连边
    """
    data = HeteroData()
    
    # --- Fine 节点 ---
    # 去重 URL，保留首次出现顺序
    unique_urls = list(dict.fromkeys(url_sequence))
    url_to_idx = {url: i for i, url in enumerate(unique_urls)}
    n_fine = len(unique_urls)
    
    # Fine 节点特征：URL ID embedding（训练时替换为 Doc2vec/TF-IDF 向量）
    fine_node_ids = torch.tensor(unique_urls, dtype=torch.long)  # 用于 embedding lookup
    data['fine'].x = fine_node_ids
    data['fine'].num_nodes = n_fine
    
    # Fine → Fine 有向边（相邻 URL 对，含自环）
    src, dst = [], []
    for i in range(len(url_sequence) - 1):
        s = url_to_idx[url_sequence[i]]
        d = url_to_idx[url_sequence[i + 1]]
        src.append(s)
        dst.append(d)
    

8. 论文来源

• 2304.03215