[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

一種基于情感和圖卷積神經網絡的個性化評論推薦方法，通過基于情感和圖卷積神經網絡的評論推薦方法，經初步過濾無用信息及不活躍用戶后，分別提取評論和用戶屬性，再根據用戶與評論的關系，將兩者屬性相互疊加，最終通過用戶與評論的相似度來決定是否推薦。無需人為定義“優質評論”，實現因人而異的評論推薦，讓每位用戶看到更加符合自身喜好的評論。可協助網絡空間的社交圈劃分，使不同“圈子”的用戶看到不同評論，進而減少用戶間矛盾。

技術領域

本發明涉及網絡評論個性化推薦技術領域，具體涉及一種基于情感和圖卷積神經網絡的個性化評論推薦方法。

背景技術

評論，因其易表達、效率高等特點，在互聯網中廣泛使用。但由于評論角度不同，易使他人產生逆反心理。推薦技術在評論中的應用，使得“說者過癮，聞者鬧心”的現象有所改善。現有關評論的推薦技術多是篩選出優質評論，再統一推薦給用戶。但其面對如下問題：

1)“優質評論”因人而異，主觀性太強；

2)長篇評論用戶未必會看；

3)不同“圈子”的用戶在同一內容上高度揉合，極易引發矛盾。

發明內容

本發明為了克服以上技術的不足，提供了一種更加用戶與評論的關系，通過用戶與評論的相似度決定是否推薦的基于情感和圖卷積神經網絡的個性化評論推薦方法。

本發明克服其技術問題所采用的技術方案是：

一種基于情感和圖卷積神經網絡的個性化評論推薦方法，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。

進一步的，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。

進一步的，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。