[發明專利]基于注意力圖神經網絡的隱藏社群屬性獲取方法與系統

在審

• 申請號: 202111047006.0
• 申請日: 2021-09-07
• 公開（公告）號: CN113807978A
• 公開（公告）日: 2021-12-17
• 發明（設計）人: 張毅;曹萬華;劉俊濤;饒子昀;王元斌;王軍偉;周瑩;王振杰
• 申請（專利權）人: 中國船舶重工集團公司第七0九研究所
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06F16/2458;G06F16/35;G06F16/9536;G06F40/237;G06F40/284;G06N3/04;G06N3/08
• 代理公司: 深圳市六加知識產權代理有限公司 44372
• 代理人: 向彬

1.一種基于注意力圖神經網絡的隱藏社群屬性獲取方法，其特征在于，包括：

步驟S1：將用戶社交媒體數據詞匯庫中的所有詞匯通過詞向量模型Word2vec網絡學習得到所有詞的嵌入表征向量；

步驟S2：通過對用戶社交媒體數據詞匯的嵌入表征向量歸一化加權，基于前向全連接網絡的目標嵌入層得到目標用戶的嵌入表征；

步驟S3：基于用戶社交網絡和社交活動信息生成目標用戶的鄰居用戶的嵌入表征，根據鄰居用戶的嵌入表征計算權重社交矩陣；

步驟S4：根據權重社交矩陣訓練社交熱度加權的注意力圖神經網絡，并利用注意力圖神經網絡和目標用戶的嵌入表征生成目標用戶的隱藏社群屬性分類結果。

2.如權利要求1所述的基于注意力圖神經網絡的隱藏社群屬性獲取方法，其特征在于，所述步驟S1包括：

已知包含所有用戶的社交媒體數據集合形成的用戶社交媒體數據詞匯庫為其中c_i∈R^f代表詞匯庫中第i個詞的one-hot編碼，變量f＝|C|表示詞匯庫中不同詞匯的個數，對于C中詞匯，通過Word2vec網絡學習嵌入表征向量根據文本內容集合來向量化詞匯庫中的詞，其中每個w_i表示第i個詞的詞匯嵌入表征，k是經過網絡學習后每個詞的向量維度。

3.如權利要求1或2所述的基于注意力圖神經網絡的隱藏社群屬性獲取方法，其特征在于，所述步驟S2包括：得到所有詞的嵌入表征向量E_w之后，由于進行隱藏社群屬性分析的基本對象是用戶，需要將詞匯嵌入表征轉換為目標用戶嵌入表征，才能讓后續注意力圖神經網絡能夠以目標用戶為對象進行分析，為此基于前向全連接網絡的目標嵌入層將所有詞的詞匯嵌入表征E_w通過全連接的形式轉為目標用戶的嵌入表征其中n表示目標用戶個數，u_i′∈R^k代表第i個目標用戶的嵌入表征。

4.如權利要求3所述的基于注意力圖神經網絡的隱藏社群屬性獲取方法，其特征在于，所述步驟S2具體為：對于目標用戶u^*，與目標用戶u^*在同一條社交媒體內容中共現過的所有詞匯形成該用戶的表征詞匯集合，記為{u^*}＝{w_1′ w_2′ … w_f′}，其中每一個w_i′屬于E_w，對于一個目標用戶u^*而言，其對應的表征詞匯集合的元素個數f′不會超過E_w的大小，記錄這些詞匯的位置和距目標用戶的文本距離，按照{u^*}中所有詞匯與目標用戶在文本數據中的距離，歸一化后賦予不同的權重{p₁,…p_f′}，形成u^*′＝p₁w_1′+p₂w_2′+…p_f′w_f′作為一個目標用戶的嵌入表征。

5.如權利要求1或2所述的基于注意力圖神經網絡的隱藏社群屬性獲取方法，其特征在于，所述步驟S3包括：

對目標用戶u^*的各種社交關系轉化為權重參數；

度量目標用戶u^*和其鄰居用戶之間的社交熱度，社交熱度系數m_i,p由目標用戶u^*和其鄰居用戶之間的社交次數、社交行為類別計算得出；

對每個用戶重復上述過程，得到任意兩個用戶之間的鄰接權重，不存在社交關系的用戶之間h_i,pm_i,p＝0；

將所有n個用戶之間的鄰接權重記錄為權重社交矩陣A∈R^n×n，其中h_r,jm_r,j∈A表示用戶r和用戶j之間的社交權重參數。