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。