← 返回列表
一种基于图对比学习的社交行为预测方法、系统及产品
申请人信息
- 申请人:南京财经大学
- 申请人地址:211100 江苏省南京市栖霞区文苑路3号
- 发明人: 南京财经大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于图对比学习的社交行为预测方法、系统及产品 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410145286.6 |
| 申请日 | 2024/2/2 |
| 公告号 | CN117670572A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06Q50/00 |
| 权利人 | 南京财经大学 |
| 发明人 | 刘予飞; 黄健; 蒋玖川 |
| 地址 | 江苏省南京市栖霞区文苑路3号 |
摘要文本
本发明提供了一种基于图对比学习的社交行为预测方法、系统及产品,涉及社交行为预测领域。该方法包括:根据社交影响力网络确定网络结构特征、节点影响力特征以及网络固有特征;社交影响力网络是通过社交网络数据建立的;网络结构特征是通过图对比学习对社交影响力网络进行预训练得到的;节点影响力特征是通过图注意力机制聚合邻居节点的特征和行为状态得到的;网络固有特征是通过串联用户配置文件特征、社交影响力网络中的同质性特征以及完成社交行为时的节点特征得到的;拼接网络结构特征、节点影响力特征以及网络固有特征,生成输入层特征;将输入层特征初始化图神经网络,预测用户的社交行为。本发明理解行为规律,有效提高社交行为预测精度。
专利主权项内容
1.一种基于图对比学习的社交行为预测方法,其特征在于,包括:根据社交影响力网络确定网络结构特征、节点影响力特征以及网络固有特征;所述社交影响力网络是通过社交网络数据建立的;所述网络结构特征是通过图对比学习对社交影响力网络进行预训练得到的;所述节点影响力特征是通过图注意力机制聚合邻居节点的特征和行为状态得到的;所述网络固有特征是通过串联用户配置文件特征、所述社交影响力网络中的同质性特征以及完成社交行为时的节点特征得到的;拼接所述网络结构特征、所述节点影响力特征以及所述网络固有特征,生成输入层特征;将所述输入层特征初始化图神经网络,预测用户的社交行为。 来源:马 克 团 队