[發明專利]一種基于情感和圖卷積神經網絡的個性化評論推薦方法

有效

• 申請號: 202010891752.7
• 申請日: 2020-08-28
• 公開（公告）號: CN112069402B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 舒明雷;王沐晨;王英龍;李釗
• 申請（專利權）人: 山東省人工智能研究院
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/38;G06F40/289;G06K9/62;G06N3/04
• 代理公司: 濟南泉城專利商標事務所 37218
• 代理人: 支文彬

1.一種基于情感和圖卷積神經網絡的個性化評論推薦方法，其特征在于，包括如下步驟：

a)獲取網絡評論數據并結合評論發表時間，根據評論的點贊數N_like過濾無用評論，去掉評論數N_comment少的不活躍用戶；

b)使用Natural Language Toolkit自然語言工具包對評論數據中的文本進行分詞處理，將分詞后提取的詞組作為評論標簽tag；

c)將評論標簽tag置于SenticNet概念層面情感分析數據詞典中進行查找對比，得到評論標簽tag中詞組的情感值；

d)根據用戶社交網絡構建用戶圖結構，將用戶發表評論的源的主題作為用戶興趣并通過embedding算法嵌入到用戶節點中，通過LightGCN輕量級圖卷積神經網絡學習得到用戶節點的興趣表示

e)通過公式計算當前用戶興趣的最終表示User_Interset，式中α_k為控制第k層的權重，K為總層數，K＝1；

f)以用戶為單位，將所有評論標簽tag的情感值的和除去情感值的標簽個數得到發表評論的平均情感值，將平均情感值附加到當前用戶上構造出用戶的特征屬性User_feature；

g)以評論為單位，將User_Interset附加到評論上構造出評論的特征屬性Comment_feature；

h)通過公式

計算得到用戶特征與評論特征的相似度sim(User_feature,Comment_feature)，根據相似度sim(User_feature,Comment_feature)進行評論推薦。

2.根據權利要求1所述的基于情感和圖卷積神經網絡的個性化評論推薦方法，其特征在于：步驟a)中，點贊數N_like小于5的評論為無用評論，進行過濾操作，評論數N_comment小于5的用戶為不活躍用戶，進行刪除操作。

3.根據權利要求1所述的基于情感和圖卷積神經網絡的個性化評論推薦方法，其特征在于：步驟b)中分詞處理后去除文本中專用名詞及特殊字符后，將提取的詞組作為評論標簽。

4.根據權利要求1所述的基于情感和圖卷積神經網絡的個性化評論推薦方法，其特征在于：步驟c)中評論標簽tag由單個詞組構成時，當評論標簽tag在SenticNet概念層面情感分析數據詞典中，則通過公式Comment_emotion(tag)＝EmotionScore(tag)計算情感值Comment_emotion(tag)，式中EmotionScore(tag)為評論標簽在SenticNet概念層面情感分析數據詞典中的值，當評論標簽tag不在SenticNet概念層面情感分析數據詞典中，Comment_emotion(tag)為0。

5.根據權利要求1所述的基于情感和圖卷積神經網絡的個性化評論推薦方法，其特征在于：步驟c)中評論標簽tag由多個詞組構成時，當評論標簽tag在SenticNet概念層面情感分析數據詞典中，則通過公式

計算情感值Comment_emotion(tag)，式中|tag_emotion|為單一評論中含有情感值的標簽個數，|tag|為單一評論中所有標簽個數，當評論標簽tag不在SenticNet概念層面情感分析數據詞典中，Comment_emotion(tag)為0。

6.根據權利要求1所述的基于情感和圖卷積神經網絡的個性化評論推薦方法，其特征在于：步驟d)中通過公式計算得到用戶節點的興趣表示式中N_User為與當前用戶發生交互的節點數量，User_i^k為第k層與用戶發生交互的第i個節點。