[發明專利]網絡用戶的角色識別方法及系統

有效

• 申請號: 202110583491.7
• 申請日: 2021-05-27
• 公開（公告）號: CN113256438B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 羅雪姣;韓曉暉;劉廣起;王英龍;楊美紅;徐正源;王志文
• 申請（專利權）人: 山東省計算中心（國家超級計算濟南中心）
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 張慶騫

1.一種網絡用戶的角色識別方法，其特征在于，包括：

獲取用戶行為數據，構建當前用戶所屬的用戶關系圖；

從用戶行為數據中提取當前用戶的行為特征；

將當前用戶的行為特征進行向量表示，得到當前用戶行為特征向量表示；

基于用戶關系圖和用戶行為特征向量表示，構建當前用戶的特征向量表示；

將當前用戶的特征向量表示輸入分類器中，得到當前用戶在每個類別上的概率分布，預測出當前用戶的角色類別；

使用卷積神經網絡和循環神經網絡提取設定大小的時間窗口內融合當前用戶的行為信息的表示向量的過程為：

以設定時間為粒度將時間序列分割為時間片，統計當前用戶的每個時間片內各種行為的頻數，構建當前用戶的行為-時間矩陣；

使用設定長度、寬度及步長的時間窗口沿行為-時間矩陣的時間維度滑動，得到若干個時間窗口；

對每個時間窗口截取得到設定長度及寬度的矩陣，再使用循環神經網絡進行卷積，得到該時間窗口內的向量表示；

使用圖神經網絡來構建當前用戶的特征向量表示，其過程為：

基于當前用戶的行為特征向量表示，初始化當前用戶的嵌入向量；

基于當前用戶所屬的用戶關系圖對目標節點的鄰居節點采樣，得到采樣點的采樣數組和節點數目數組；

聚合鄰居以及目標節點自身信息，得到用當前用戶的特征向量；

捕捉目標用戶行為的動態變化對其角色的影響，融合目標用戶的動態行為特性、關系結構特征，并聚合目標用戶的關系網絡中高階鄰居用戶的信息構建目標用戶的向量表示。

2.如權利要求1所述的網絡用戶的角色識別方法，其特征在于，利用卷積神經網絡從用戶關系圖中提取當前用戶的行為特征，其過程為：使用卷積神經網絡提取設定大小的時間窗口內融合當前用戶的行為信息的表示向量；

將預劃分的所有時間窗口內的向量表示卷積得到對應數量的向量序列，并作為當前用戶的行為特征。

3.如權利要求1所述的網絡用戶的角色識別方法，其特征在于，使用最大池化聚合函數聚合鄰居以及目標節點自身信息。

4.如權利要求1所述的網絡用戶的角色識別方法，其特征在于，將當前用戶的行為特征進行向量表示，得到當前用戶行為特征向量表示。

5.如權利要求1所述的網絡用戶的角色識別方法，其特征在于，在分類器的訓練過程中，損失函數為分類器預測的每個節點的概率與真實類別的one hot編碼輸入交叉熵損失函數。

6.一種網絡用戶的角色識別系統，其特征在于，包括：

用戶關系圖構建模塊，其用于獲取用戶行為數據，構建當前用戶所屬的用戶關系圖；

行為特征提取模塊，其用于從用戶行為數據中提取當前用戶的行為特征；

行為特征向量表示模塊，其用于將當前用戶的行為特征進行向量表示，得到當前用戶行為特征向量表示；

特征向量表示模塊，其用于基于用戶關系圖和用戶行為特征向量表示，構建當前用戶的特征向量表示；

用戶角色預測模塊，其用于將當前用戶的特征向量表示輸入分類器中，得到當前用戶在每個類別上的概率分布，預測出當前用戶的角色類別；

使用卷積神經網絡和循環神經網絡提取設定大小的時間窗口內融合當前用戶的行為信息的表示向量的過程為：

以設定時間為粒度將時間序列分割為時間片，統計當前用戶的每個時間片內各種行為的頻數，構建當前用戶的行為-時間矩陣；

使用設定長度、寬度及步長的時間窗口沿行為-時間矩陣的時間維度滑動，得到若干個時間窗口；

對每個時間窗口截取得到設定長度及寬度的矩陣，再使用循環神經網絡進行卷積，得到該時間窗口內的向量表示；

使用圖神經網絡來構建當前用戶的特征向量表示，其過程為：

基于當前用戶的行為特征向量表示，初始化當前用戶的嵌入向量；

基于當前用戶所屬的用戶關系圖對目標節點的鄰居節點采樣，得到采樣點的采樣數組和節點數目數組；

聚合鄰居以及目標節點自身信息，得到用當前用戶的特征向量；

捕捉目標用戶行為的動態變化對其角色的影響，融合目標用戶的動態行為特性、關系結構特征，并聚合目標用戶的關系網絡中高階鄰居用戶的信息構建目標用戶的向量表示。