[發明專利]基于文本感知的社交影響力預測方法、裝置及設備

在審

• 申請號: 202011608735.4
• 申請日: 2020-12-29
• 公開（公告）號: CN112667920A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 王軼彤;李心舒
• 申請（專利權）人: 復旦大學;珠海復旦創新研究院
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q10/04;G06N3/04
• 代理公司: 北京中知君達知識產權代理有限公司 11769
• 代理人: 李辰;黃啟法

本發明涉及一種基于文本感知的社交影響力預測方法、裝置及設備，屬于社交網絡分析技術領域，該方法通過在社交網絡中，獲取最小實例單元；基于網絡學習技術，在最小實例單元中，提取特征信息；特征信息，可以包括：文本特征向量、結構特征向量、角色特征變量、狀態特征變量；基于圖神經網絡編碼器和多層感知解碼器，對特征信息進行編碼和解碼，獲取節點的預測結果。通過圖神經網絡編碼器，借助于自我網絡的結構，綜合性地考慮了對中心節點的行為狀態產生影響的網絡拓撲結構信息、文本信息及影響力特征信息，建立起特征信息到節點的社交動作的映射，從而實現對社交影響力的預測。

技術領域

本發明屬于社交網絡分析技術領域，具體涉及一種基于文本感知的社交影響力預測方法、裝置及設備。

背景技術

移動互聯網時代的到來助力了在線社交網絡的發展，國內外著名的在線社交媒體如微博、臉書、推特等通過優質的內容化服務，極大地挑戰了傳統社交方式在人們日常生活中的重要地位，成為了當今人類社交的主要方式。在社交網絡中，每一個用戶主體的行為、觀點、態度會極大地受到他們在社交網絡中的“朋友”的影響。因此，社交影響力是通過用戶之間的社交活動體現出來，表現為用戶的行為和思想等受他人影響發生改變的現象。

對于社交影響力的研究在現實中有許多重要的應用，例如商品的病毒營銷、商品及新聞的分發推薦、以及傳染病的控制等，因此對于社交影響力的預測在現實生活中具有重要意義。

傳統的社交影響力預測工作通常采用特征工程的方法設計手工規則挖掘社交網絡中用戶個體的影響力，學習影響力傳播參數，例如采用經典統計學模型對于每條邊的傳播概率進行極大似然估計。但是，這就對研究人員對于特定領域的知識儲備提出了較高的要求，同時學習到的影響力模型不便遷移到其他領域，泛化能力不佳。且，在現實的網絡世界中，用戶的轉發行為除了受到社交網絡中的“鄰居”影響之外，還與轉發的文信息的內容本身有關。因此，社交影響力預測結果的精度有待提高。

發明內容

為了至少解決現有技術存在的上述問題，本發明提供了一種基于文本感知的社交影響力預測方法、裝置及設備。

本發明提供的技術方案如下：

一方面，一種基于文本感知的社交影響力預測方法，包括：

在社交網絡中，獲取最小實例單元；

基于網絡學習技術，在所述最小實例單元中，提取特征信息；所述特征信息，包括：文本特征向量；

基于圖神經網絡編碼器和多層感知解碼器，對所述特征信息進行編碼和解碼，獲取所述節點的預測結果。

可選的，所述獲取最小實例單元，包括：

確定所述社交網絡中的節點；

以所述節點為中心，進行帶有重啟動機制的隨機游走生成固定大小的子網絡，獲取所述節點的自我網絡；

將所述自我網絡作為最小實例單元。

可選的，所述特征信息，還包括：結構特征向量、狀態特征變量和角色特征變量。

可選的，所述圖神經網絡編碼器包含L1層，所述圖神經網絡編碼器每一層的輸入都是自我網絡中所有節點的特征向量構成的矩陣H∈R^n×|f|；其中n為自我網絡中節點的個數，為特征向量的長度；

每一個編碼器層l_e按照變換輸出規則，進行非線性變換，輸出H′∈R^n×f′；

所述變換輸出規則，包括：

其中，W_eR^f×f′，b_e∈R^f′為編碼器參數，A(G_u)為指示矩陣。