[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

本發明公開了一種基于注意力圖神經網絡的隱藏社群屬性獲取方法：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；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；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；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。本發明還提供了相應的基于注意力圖神經網絡的隱藏社群屬性獲取系統。

技術領域

本發明屬于屬性挖掘技術領域，更具體地，涉及一種基于注意力圖神經網絡的隱藏社群屬性獲取方法與系統。

背景技術

網絡空間中的用戶研究是當前互聯網個性化推薦領域的重要任務之一，隨著社交網絡規模的不斷擴張，網絡空間中的用戶屬性信息具有稀疏性、碎片性和異構性等特點，這導致對于目標用戶的某些隱藏社群屬性信息的獲取十分困難，從而難以進行下一步的分析與推薦工作。如何通過有效的技術手段來挖掘社交網絡平臺中的用戶潛在或隱藏社群屬性信息，對分析目標用戶關于待推薦內容展示出的潛在偏好至關重要。

對于用戶屬性認知分析，現有研究采用的屬性特征大多是輕量級的特征，所蘊含的信息不夠豐富，對于目標用戶的屬性嵌入表征探索不足，往往仍然存在大量的信息可供挖掘。其次，現有研究產生的目標用戶屬性分類仍然過于簡單，針對的往往是目標用戶的性別、教育背景等較為簡單的分類目標，對多種媒體內容信息融合方面的探索仍然十分缺乏，對目標用戶的內容行為表征方法仍然存在著較大的可探索空間。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種基于注意力圖神經網絡的隱藏社群屬性獲取方法，融合目標用戶發布的文本內容信息以及目標用戶間的社交信息進行隱藏社群屬性信息的獲取，同時兼顧了社交網絡目標產出內容與目標之間互動的信息挖掘。例如具有相同偏好并且互相關注的兩個用戶很有可能也會互相點贊或轉發對方產生的媒體數據，從而形成緊密的目標連接關系。本發明實現跨空間目標屬性信息的統一表征，更高效地挖掘網絡空間中目標用戶的隱藏社群屬性信息，便于進一步的分析和推薦工作。

為實現上述目的，按照本發明的一個方面，提供了一種基于注意力圖神經網絡的隱藏社群屬性獲取方法，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。

本發明的一個實施例中，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。