龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西北大学
申请日：2024-03-12
公开（公告）日：2024-06-18
公开（公告）号：CN118210984A
主分类号：G06F16/9536
分类号：G06F16/9536;G06F16/9535;G06Q50/00;G06N3/0464;G06N3/045;G06N3/08
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了一种社交网络中基于超图卷积的用户‑话题兴趣度评估方法：步骤1，定义一个由超边构成的社交网络；步骤2，对步骤1得到的社交网络进行初始网络节点嵌入；步骤3，构建基于超图卷积神经网络HypergraphConvolutionNetwork,HGCN的用户‑话题兴趣度评估模型；步骤4，设计损失函数，对评估模型进行训练，模型输入为初始网络节点嵌入，输出为更新后的用户‑话题节点嵌入；步骤5，采用训练后的模型进行用户‑话题兴趣度预测。本发明能够挖掘隐藏在网络中的高阶社会关系，与现有同类技术相比，在平均绝对误差MAE和均方根误差RMSE方面最高可以提高各15.57％和16.49％的性能。
主权项：1.一种社交网络中基于超图卷积的用户-话题兴趣度评估方法，其特征在于，具体包括以下步骤：步骤1，定义一个由超边构成的社交网络G＝V，E，其中V是节点集合，代表用户集合U和话题集合T的并集；E是边集合，包含M条超边，每条超边连接任意数量的顶点，表示一组用户之间的共同关注关系或用户对话题的共同兴趣；步骤2，对步骤1得到的社交网络进行初始网络节点嵌入；初始网络节点为社交网络中的任意用户uu∈U以及任意话题tt∈T，随机初始化一个d维向量作为初始节点嵌入，即创建初始的用户嵌入矩阵和话题嵌入矩阵其中，n表示网络中的用户数量，m表示网络中的话题数量；步骤3，构建基于超图卷积神经网络的用户-话题兴趣度评估模型；步骤4，设计损失函数，对步骤3构建的基于超图卷积神经网络的用户-话题兴趣度评估模型进行训练，模型输入为步骤2得到的初始网络节点嵌入，模型输出为更新后的用户-话题节点嵌入；步骤5，采用步骤4训练后的模型进行用户-话题兴趣度预测。
全文数据：
权利要求：
百度查询： 西北大学 社交网络中基于超图卷积的用户-话题兴趣度评估方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号