[發(fā)明專利]一種融合網(wǎng)絡(luò)結(jié)構(gòu)和文本信息的社交關(guān)系預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201711143539.2
• 申請日: 2017-11-17
• 公開（公告）號: CN107729569B
• 公開（公告）日: 2020-01-17
• 發(fā)明（設(shè)計(jì)）人: 張子柯;許帥帥;尤志強(qiáng);周鴿;劉闖
• 申請（專利權(quán)）人: 杭州師范大學(xué)
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06Q10/04;G06Q50/00
• 代理公司: 33201 杭州天正專利事務(wù)所有限公司
• 代理人: 王兵;黃美娟

1.一種融合網(wǎng)絡(luò)結(jié)構(gòu)和文本信息的社交關(guān)系預(yù)測方法，包括如下步驟：

步驟1，構(gòu)造原始興趣向量；

使用微博和推特?cái)?shù)據(jù)集中的用戶關(guān)注關(guān)系和用戶的文本信息內(nèi)容，首先使用開源分詞工具Ik Analyzer對數(shù)據(jù)集中的所有文本信息，即所有用戶發(fā)表的微博內(nèi)容或者推文內(nèi)容，進(jìn)行關(guān)鍵詞的提取；這樣可以得到用來刻畫每一個(gè)用戶的一系列關(guān)鍵詞；然后將分詞工具得到的所有的詞語使用word2vec開源工具進(jìn)行聚類,設(shè)置聚類個(gè)數(shù)為N,即將這些詞劃分為N個(gè)類別，這樣就得到了N個(gè)話題類別，那么對于每一個(gè)用戶來說,現(xiàn)在可以得到一個(gè)維度是N的興趣向量,該向量的具體計(jì)算方法如下：針對一個(gè)用戶i，構(gòu)建一個(gè)長度為N維且每一個(gè)維度取值都為0的初始興趣向量，然后依次掃描屬于用戶i的所有的關(guān)鍵詞，若某個(gè)關(guān)鍵詞屬于第j個(gè)話題類別，那么用戶i的特征向量中的第j個(gè)維度的值加1；直到掃描完所有屬于該用戶的關(guān)鍵詞，就可以得到該用戶i的興趣向量；在該興趣向量中，得分越高的維度說明該用戶對于該維度的話題有更多的關(guān)注度和興趣，使用T_i來表示第i個(gè)用戶的興趣向量,其分量具體的計(jì)算公式如下:

其中t_ij表示第i個(gè)用戶在第j個(gè)話題上的得分,Freq_ij表示第i個(gè)用戶的所有關(guān)鍵詞出現(xiàn)在第j個(gè)話題上的數(shù)量,表示第i個(gè)用戶在所有的關(guān)鍵詞出現(xiàn)在所有的話題上的數(shù)量,為歸一化項(xiàng)；

步驟2，構(gòu)造修正興趣向量；

使用用戶的關(guān)注者的興趣向量修正用戶本身的原始興趣向量；具體方法如下：針對一個(gè)特定的目標(biāo)用戶u1，該目標(biāo)用戶u1所有關(guān)注的用戶是u2和u3，并且只關(guān)心用戶興趣向量中取值最大的top-K個(gè)維度，那么可以得到目標(biāo)用戶u1的興趣向量T_u1＝(t₁₁,t₁₂,…,t_1K)，用戶u2的興趣向量為T_u2＝(t₂₁,t₂₂,…,t_2K),以及用戶u3的興趣向量為T_u3＝(t₃₁,t₃₂,…,t_3K)，那么目標(biāo)用戶u1的興趣向量的修正的方法為將t₁₁,t₁₂,…,t_1K，t₂₁,t₂₂,…,t_2K，t₃₁,t₃₂,…,t_3K中相同的維度上的值相加，不同的維度上的值全部保留而得到的結(jié)果；通過這樣的方法可以得到用戶的修正興趣向量；

步驟3，重構(gòu)用戶興趣向量；

在得到了目標(biāo)用戶的修正興趣向量之后,需要對目標(biāo)用戶和潛在的目標(biāo)用戶的關(guān)注用戶的興趣向量進(jìn)行重構(gòu)，目標(biāo)用戶u1的修正興趣向量為T_u1＝(t₁₁,t₁₂,…,t_1n)，其中的n的取值小于等于原始興趣向量的維度N并且大于等于在修正興趣向量模塊中取top-K個(gè)維度中選取的K值；目標(biāo)用戶u1的潛在關(guān)注用戶u5的原始興趣向量為T_u5＝(t₅₁,t₅₂,…,t_5N)；首先如在修正興趣向量模塊中所述，抽取該用戶的top-K，這里K取值為4，即值最大的前4個(gè)維度組成新的興趣向量，T_u5＝(t₅₁,t₅₂,…,t_5K)；然后考慮u1的修正興趣向量和u5的Top-4興趣向量的維度的并集，即，(t₁₁,t₁₂,…,t_1n)∪(t₅₁,t₅₂,…,t_5K)；并按照并集的結(jié)果重新分別構(gòu)造u1和u5的興趣向量，若某一個(gè)用戶沒有某一個(gè)維度上的特征，則使用0補(bǔ)齊，這樣就得到了目標(biāo)用戶和目標(biāo)用戶的潛在關(guān)注用戶的重構(gòu)的興趣向量；

步驟4，預(yù)測社會關(guān)系；

對于給定的目標(biāo)用戶ui和ui的潛在關(guān)注用戶uj，定義關(guān)注uj并且同時(shí)是ui的關(guān)注者為ui到uj的橋接點(diǎn)；將微博數(shù)據(jù)集和推特?cái)?shù)據(jù)集隨機(jī)的劃分為兩個(gè)部分，分別用作訓(xùn)練集和測試集；訓(xùn)練集中包括已知連邊的90％；這樣，對于測試集中的任一條邊E_ij，通過構(gòu)建該邊E_ij所連接的兩個(gè)用戶的修正興趣向量和識別這兩個(gè)用戶之間的橋節(jié)點(diǎn)，即綜合考慮通過修正興趣向量對文本信息的利用和橋節(jié)點(diǎn)對網(wǎng)絡(luò)結(jié)構(gòu)的利用，得到如下的用于計(jì)算用戶ui關(guān)注用戶uj的概率計(jì)算公式，也就是邊E_ij存在的概率：

其中，S_if表示用戶ui關(guān)注的所有對象；任何一個(gè)屬于S_if的用戶k，如果該用戶k也關(guān)注了用戶j，那么I_kj＝1；否則I_kj＝0；是值為0或者1的二元向量，該向量中每個(gè)維度上的值由向量A決定，如果向量A在該維度上的權(quán)值為正，那么在這個(gè)維度上的值為1；否則為0；所以表示用戶ui和用戶uj的興趣點(diǎn)重疊的個(gè)數(shù)。