[發明專利]基于GraphSAGE的社交網絡意見領袖挖掘方法

在審

• 申請號: 202210211544.7
• 申請日: 2022-03-04
• 公開（公告）號: CN114579744A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 郭奕;徐亮;張千雪;洪小晶;黃永茂;江婉;周婷;先永利
• 申請（專利權）人: 西華大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/335;G06Q50/00
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 何凡

1.一種基于GraphSAGE的社交網絡意見領袖挖掘方法，其特征在于，包括以下步驟：

構建社交網絡數據集以獲取社交網絡用戶信息；

根據社交網絡用戶信息對社交網絡用戶進行預分類以得到預分類結果；

對預分類結果進行特征提取以得到特征數據，并設置初始節點特征；

通過初始節點特征對特征數據進行基于GraphSAGE的節點二分類模型訓練以得到二分類模型；

利用二分類模型對未參與訓練的社交網絡用戶進行意見領袖分類，以得到意見領袖的挖掘結果。

2.如權利要求1所述的基于GraphSAGE的社交網絡意見領袖挖掘方法，其特征在于，所述根據社交網絡用戶信息對社交網絡用戶進行預分類以得到預分類結果包括：采用用戶影響力衡量模型法、PageRank算法和CELF算法分別挖掘出各自的意見領袖集合，將所述意見領袖集合的交集作為預分類結果。

3.如權利要求2所述的基于GraphSAGE的社交網絡意見領袖挖掘方法，其特征在于，所述用戶影響力衡量模型法利用社交網絡中的用戶信息計算用戶影響力，用戶影響力的計算公式為：

userInf＝α×Activity+β×Transbility+γ×Confidence

其中，userInf為用戶影響力，Activity代表用戶活躍度，Translibity代表歷史傳播力，Confidence代表用戶可信度，α、β、γ分別代表式中各項的權重。

4.如權利要求2所述的基于GraphSAGE的社交網絡意見領袖挖掘方法，其特征在于，所述PageRank算法的計算公式為：

其中，PR(p_i)表示節點p_i的PageRank值，即節點的重要性，N表示社交網絡圖中的節點數量，M(p_i)表示指向節點p_i的所有節點的集合，L(p_j)表示節點p_j所指向的節點的數量，d表示一個值為0到1的阻尼系數。

5.如權利要求2所述的基于GraphSAGE的社交網絡意見領袖挖掘方法，其特征在于，所述CELF算法包括以下步驟：

(1)輸入社交網絡圖、種子節點集合Seeds和種子數量K，在Seeds為空集時，算出所有節點的邊際影響力并排序；

(2)將邊際影響力最大的節點加入Seeds；

(3)重新計算剩余節點的邊際收益，將擁有最大邊際收益的節點加入Seeds；

(4)重復(3)的步驟，直到所有節點計入Seeds。

6.如權利要求1所述的基于GraphSAGE的社交網絡意見領袖挖掘方法，其特征在于，所述二分類模型訓練包括：采用Relu函數作為激活函數，交叉熵作為損失函數，對特征數據進行二分類模型訓練，隨后根據訓練結果對二分類模型進行調優。

7.如權利要求1所述的基于GraphSAGE的社交網絡意見領袖挖掘方法，其特征在于，還包括：將所述二分類模型遷移到同類型的其他社交網絡數據集進行意見領袖的分類，以得到其他社交網絡數據集的意見領袖的挖掘結果。

8.一種電子設備，其特征在于，包括：

存儲器，用于存儲一個或多個程序；

處理器；

當所述一個或多個程序被所述處理器執行時，實現如權利要求1-7中任一項所述的基于GraphSAGE的社交網絡意見領袖挖掘方法。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執行時實現如權利要求1-7中任一項所述基于GraphSAGE的社交網絡意見領袖挖掘方法。