申请/专利权人:天津大学
申请日:2024-04-01
公开(公告)日:2024-05-14
公开(公告)号:CN118035922A
主分类号:G06F18/2433
分类号:G06F18/2433;G06F18/20;G06F18/213;G06Q50/00;G06N3/042;G06N3/0455;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.31#实质审查的生效;2024.05.14#公开
摘要:本发明公开了一种基于多头自注意力的社交网络中行为异常用户的检测方法,包括:基于余弦相对距离矩阵选择s个最小的非平凡特征值相对应的特征向量来构建位置嵌入矩阵P,并与特征矩阵X连接起来,构造位置感知特征矩阵X′;基于位置感知特征矩阵X′计算得到不同跳邻域的嵌入向量矩阵,并形成嵌入序列;采用掩码策略对邻域嵌入序列进行部分遮蔽,将邻域嵌入序列S输入编码器模块中,得到各节点的嵌入向量;将各节点的嵌入向量输入解码器模块,得到重建还原的邻接矩阵和特征矩阵;通过还原矩阵和原始矩阵的重构误差,计算得到各个节点的异常分数,排序后选取前K个异常分数最大的节点作为异常节点,将异常节点用于社交网络中行为异常用户的检测。
主权项:1.一种基于多头自注意力的社交网络中行为异常用户的检测方法,其特征在于,所述方法包括:根据输入图G的邻接矩阵A,计算输入图G的余弦相对距离矩阵基于余弦相对距离矩阵选择s个最小的非平凡特征值相对应的特征向量来构建大小为n×s位置嵌入矩阵P,并将位置嵌入矩阵P与特征矩阵X连接起来,构造位置感知特征矩阵X′;基于位置感知特征矩阵X′计算得到不同跳邻域的嵌入向量矩阵,并形成嵌入序列;采用掩码策略对邻域嵌入序列进行部分遮蔽,将邻域嵌入序列S输入编码器模块中,得到各节点的嵌入向量;将各节点的嵌入向量输入解码器模块,得到重建还原的邻接矩阵和特征矩阵;通过还原矩阵和原始矩阵的重构误差,计算得到各个节点的异常分数,排序后选取前K个异常分数最大的节点作为异常节点,将异常节点用于社交网络中行为异常用户的检测。
全文数据:
权利要求:
百度查询: 天津大学 基于多头自注意力的社交网络中行为异常用户的检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。