[發明專利]社交平臺用戶的現實關系匹配方法、裝置及可讀存儲介質

有效

• 申請號: 201710827452.0
• 申請日: 2017-09-14
• 公開（公告）號: CN107741953B
• 公開（公告）日: 2020-01-21
• 發明（設計）人: 王健宗;吳天博;黃章成;肖京
• 申請（專利權）人: 平安科技(深圳)有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/35;G06Q10/04;G06Q50/00
• 代理公司: 44287 深圳市世紀恒程知識產權代理事務所
• 代理人: 胡海國

1.一種社交平臺用戶的現實關系匹配方法，其特征在于，包括步驟：

獲取社交平臺上的用戶的賬號信息，根據每一所述用戶的賬號信息和TransE模型建立用戶向量模型；

獲取所述社交平臺上的用戶之間的文本交互信息，根據所述用戶之間的文本交互信息和卷積神經網絡模型建立文本關系預測模型；

將所述用戶向量模型的輸出結果以及所述文本關系預測模型的輸出結果投射到同一個空間進行線性聯合輸出，以得到所述社交平臺上的用戶的現實關系預測結果；所述用戶向量模型的輸出結果h^p＝tanh(W¹v₁+W²v₂)，其中，所述v₁和v₂為所述用戶向量模型的兩個用戶的向量輸入，所述h^p為所述用戶向量模型的兩個用戶的向量輸入v₁和v₂的加權非線性轉化輸出經偏差修正的輸出結果，所述W¹為所述用戶的向量輸入v₁的權重，所述W²為所述用戶的向量輸入v₂的權重。

2.如權利要求1所述的社交平臺用戶的現實關系匹配方法，其特征在于，所述根據每一所述用戶的賬號信息和TransE模型建立用戶向量模型的步驟包括：

根據每一所述用戶的賬號信息建立一個三元組<h，r，t>，其中，h，t是用戶的賬號信息中的實體，r是連接所述實體h，t之間的關系；

根據TransE模型把所述每一個三元組<h，r，t>中每個實體和實體之間的關系映射為包含每個實體和實體之間的關系的低維度向量。

3.如權利要求2所述的社交平臺用戶的現實關系匹配方法，其特征在于，所述用戶向量模型的目標函數包括：

其中，<h，r，t>∈R^(k×1)，k是向量維度，[*]₊為取*的正數部分，γ是一個超參數，S是所有真三元組集合，S'是所有隨機生成的假三元組集合S'＝<h',r,t>|h'∈E∪<h,r,t'>|t'∈E，r∈R代表網絡中連接實體的關系，d(h+r,t)是根據用戶賬號信息建立的真三元組，d(h'+r,t')是根據用戶賬號信息建立的假三元組。

4.如權利要求1所述的社交平臺用戶的現實關系匹配方法，其特征在于，所述獲取所述社交平臺上的用戶之間的文本交互信息，根據所述用戶之間的文本交互信息和卷積神經網絡模型建立文本關系預測模型的步驟包括：

獲取所述社交平臺上的用戶之間的文本交互信息m，其中，所述文本交互信息m包括多個詞語{u₁，u₂，u₃，...u_n}，m∈M_<h,t>；m代表包含實體h，t的文本交互信息，M代表包含實體h，t的文本交互信息的集合；

根據卷積神經網絡模型對所述每一個詞語建立低維度向量，通過已訓練好的Word2Vec算法對所述每一個詞語建立的低維度向量進行訓練，重復提取所述詞語并計算隱含特征向量，獲取每一維所述隱含特征向量的最大值，并將所述隱含特征向量的最大值進行分類。

5.如權利要求4所述的社交平臺用戶的現實關系匹配方法，其特征在于，所述文本關系預測模型的目標函數包括：

其中，這里是預測分類標記，f_m是真實分類標記。