[發明專利]一種利用循環隨機游走網絡進行微博情感分類預測的方法

在審

• 申請號: 201711131318.3
• 申請日: 2017-11-15
• 公開（公告）號: CN107807919A
• 公開（公告）日: 2018-03-16
• 發明（設計）人: 趙洲;孟令濤;吳亦全;蔡登;何曉飛;莊越挺
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30;G06Q50/00
• 代理公司: 杭州求是專利事務所有限公司33200
• 代理人: 鄭海峰

技術領域

本發明涉及微博情感分類預測，尤其涉及一種利用循環隨機游走網絡進行微博情感分類預測的方法。

背景技術

對于當前蓬勃發展的微博而言，用戶微博情感預測是一項重要的問題。該項問題的目標是基于當前網絡中已經觀察到的用戶關系及用戶所發的微博的情感分類對于用戶未來微博的情感分類進行預測。

現有的技術主要是將微博情感分類當作一種文本情感分類任務來做，只是對于用戶過去所發的微博進行訓練，得到其用戶微博的情感分類模型，從而預測未來該用戶所發微博的情感分類，該方法受困于對于微博進行有效性表達的困難。

本發明將利用一種異質微博情感分類網絡進行用戶微博情感分類的預測，該網絡可以同時提取用戶微博內容的深度語義表達與用戶之間的社交關系，該網絡附帶有一隨機游走層來學習異質微博語義分類網絡映射，該網絡可以從一開始便進行端到端的學習。

發明內容

本發明的目的在于解決現有技術中的問題，為了克服現有技術中缺乏對于用戶微博博文的有效表達的問題，本發明提供一種利用循環隨機游走網絡進行微博情感分類預測的方法。本發明所采用的具體技術方案是：

利用循環隨機游走網絡解決微博情感分類預測的問題，包含如下步驟：

1、針對于一組社交網絡用戶及其微博博文，構建綜合包括用戶之間社交關系及用戶與微博博文之間相互關系的網絡。

2、利用循環隨機游走網絡獲取用戶未來所發微博情感分類的交叉熵損失項與某用戶在其他用戶的影響下的所發微博博文的一致性損失項，并將這兩者相加得到最終的損失項。通過學習，將這個最終的損失項最小化，來訓練得到最終的用戶微博情感分類預測函數。

3、利用學習得到的用戶微博情感分類預測函數獲取用戶微博的預測情感分類。

上述步驟可具體采用如下實現方式：

1、對于所給出的用戶及用戶所發的微博，按照實際數據集中的用戶之間社交關系及用戶與微博博文的發布關系形成異質的微博情感分類網絡，記為MSC 網絡。

2、對于構建完成的MSC網絡，對于給定的微博博文，將其單詞通過預先訓練好的單詞映射網絡獲取其單詞映射。對于由一個單詞序列構成的微博博文 x_i，設其第t個單詞通過預先訓練好的單詞映射網絡獲取的單詞映射為x_it，則將序列(x_i1,x_i2,...,x_ik)作為微博博文x_i的單詞映射表達，之后，將博文x_i分成若干段，并將各段的單詞映射序列作為LSTM網絡的輸入，以LSTM網絡的最后一個隱藏層的輸出作為該段博文的映射表達，之后將各段的輸出同時輸入一個最大池化層，將池化層的輸出t_i∈R^d作為微博博文x_i的映射表達，t_i為一個d維向量。

3、利用softmax函數來設計用戶個性化情感分類模型，給定第j條微博博文的映射表達t_j，則對于第i個用戶的個性化語義函數如下：

其中，c為所有的情感分類的種類數，向量為第j條微博博文的預測情感分類向量，為所要學習出的對于第i個用戶的某條微博的情感預測函數，u₀∈R^d*c為對于所有用戶的總體語義映射矩陣，u_i∈R^d*c為對于第i個用戶的特定語義映射矩陣，softmax(.)為softmax函數。

則對于上式最終所得向量的每一維f_u,k(t_j)，其由如下公式計算得到：

其中u_0,k與u_i,k分別為u₀與u_i對應第k維的向量。

4、結合上一步得到的用戶微博博文的情感預測向量與真實的訓練集中的用戶微博博文情感分類向量y，利用如下公式得到用戶未來所發微博情感分類的交叉熵損失項：

其中，集合A_i為第i個用戶所有的微博博文構成的集合，為第j條微博的預測情感分類，y_j為第j條微博的真實情感分類，m為總體用戶數，對于y_j向量，其只有對應于正確情感分類的維度值為1，其余維度的值為0。