基于图卷积神经网络的在线社交网络用户表示方法及装置
申请人信息
- 申请人:广州大学
- 申请人地址:510006 广东省广州市番禺区大学城外环西路230号
- 发明人: 广州大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于图卷积神经网络的在线社交网络用户表示方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311281783.0 |
| 申请日 | 2023/9/28 |
| 公告号 | CN117454020A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06F16/9536 |
| 权利人 | 广州大学 |
| 发明人 | 李树栋; 黄兹勤; 吴晓波; 黄小慧; 陈昭阳; 李雪斌; 杨鹏伟; 唐可可; 张登辉; 齐佳音; 仇晶; 李默涵; 吴联仁 |
| 地址 | 广东省广州市番禺区大学城外环西路230号 |
摘要文本
广州大学获取“一种透气窗帘布”专利技术，本发明公开一种基于图卷积神经网络的在线社交网络用户表示方法及装置，方法为：关注用户属性及推文内容结合用户推文的时间信息，获取多维度特征进行拼接得到用户信息特征表示；采用图学习框架构建以用户为节点，多种用户间关系为边的在线社交网络异质图；将异质图分解为有向同构图，采用图卷积神经网络对有向同构图进行层级处理，同时使用跳跃连接将不同层的图卷积神经网络输出进行融合，得到用户在网络结构上的向量表示，再与用户信息特征表示进行拼接，得到在线社交网络用户的表示；本发明通过提取多方面维度的特征，使用图卷积神经网络解决异质图元路径难定义的问题，实现多类型边特征的融合利用，增强节点的表示，以致提高下游任务的准确性。
专利主权项内容
1.基于图卷积神经网络的在线社交网络用户表示方法，其特征在于，包括下述步骤：步骤1、用户信息特征表示：将JSON格式的用户属性数据转换为结构化数据，从中构造和提取出用户属性特征；基于用户发表推文的时间信息划分时间窗口，统计用户在不同的时间窗口中的推文特征，使用LSTM模型生成用户基于时间信息的推文数据特征；基于用户的推文数据，采用词频-逆文本频率法对用户的推文内容数据进行处理，提取用户推文内容特征；将用户属性特征、推文数据特征和用户推文内容特征进行拼接，得到用户信息特征表示；步骤2、构建在线社交网络异质图：将JSON格式的用户社交关系数据转化为结构化数据，从中提取出用户数据及其关注用户数据；根据用户间的推文数据，提取出用户间的推文关系，并将其转化为用户间的关系；采用开源的图学习框架构建以用户为节点，多种用户间关系为边的在线社交网络异质图；步骤3、在线社交网络用户的表示：基于步骤2中构建的在线社交网络异质图，根据其中边的类型分解为四个有向同构图，采用顺序的图卷积神经网络对每一有向同构图进行层级处理，同时使用跳跃连接将不同层的图卷积神经网络输出进行融合，得到用户在网络结构上的向量表示，再与步骤1得到的用户信息特征表示进行拼接，最终得到在线社交网络用户的表示。 来自：