[發明專利]一種基于鄰居信息和屬性網絡表征學習的微博用戶社團發現方法

有效

• 申請號: 202010742856.1
• 申請日: 2020-07-29
• 公開（公告）號: CN112084418B
• 公開（公告）日: 2023-07-28
• 發明（設計）人: 徐新黎;肖云月;楊旭華;徐齊婧;周艷波
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F18/23213;G06Q50/00
• 代理公司: 杭州斯可睿專利事務所有限公司 33241
• 代理人: 王利強

1.一種基于鄰居信息和屬性網絡表征學習的微博用戶社團發現方法，其特征在于：所述方法包括如下步驟：

步驟一：微博網絡表示為一個屬性網絡G＝(V，E，F)，其中V＝{v₁，v₂，...，v_n}為節點集合，每個節點表示一個用戶，節點數即用戶總數n＝|V|，E為邊集合，所有微博用戶的連邊關系構成一個鄰接矩陣A，每個用戶的屬性F’＝{f₁，f₂，...，f_m}，微博用戶屬性數量m＝|F’|，所有微博用戶的屬性表示為一個n行m列的屬性信息矩陣F；

步驟二：根據微博用戶的連邊關系矩陣A，計算節點相似度SA_ij

其中，c_ij為用戶i與用戶j的共同鄰居數，w_ij為鄰接矩陣A中用戶i與用戶j相連的邊權，即在用戶i與用戶j有關注的情況下，節點相似度SA_ij為兩用戶的共同鄰居數比上節點總數，在兩用戶沒有關注的情況下，SA_ij為0；

步驟三：對屬性信息矩陣F，采用余弦相似度度量標準計算屬性接近度矩陣SF；

步驟四：對網絡拓撲和屬性信息聯合建模，設置嵌入向量H的維度d，采用分布式算法進行求解，最小化目標函數J，得到每個用戶的嵌入向量H，

其中，等號右邊第1項為屬性信息的損失函數，等號右邊第2項為網絡拓撲損失函數，λ為一個標量，是拓撲信息與屬性信息所占比例的權衡，當λ＝0時，表示嵌入模型只考慮了屬性信息，h_i、h_j分別代表用戶i和用戶j的向量表征；

步驟五：對每個用戶的嵌入向量H進行k-means聚類，得到用戶的類別標簽，實現社團發現。