申请/专利权人：南京审计大学

申请日：2024-04-07

公开（公告）日：2024-06-18

公开（公告）号：CN118211142A

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/22;G06F18/213;G06F16/901;G06Q30/0282;G06Q30/0601;G06N3/0455;G06N3/042;G06N3/048;G06N3/09;G06N3/084

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明公开一种基于改进GraphSAGE算法的虚假用户识别方法，基于评分数据中的评分偏差和评分时间间隔、评论数据中的评论文本长度和评论文本相似性计算用户之间的共谋欺诈度；利用评分数据中存在的用户物品交互关系，构建用户用户关系图；使用协同去噪自编码器从评分数据中提取出用户评分特征；将用户评分特征作为用户初始特征，利用所改进的图神经网络GraphSAGE算法从用户‑用户关系图中聚合、提取中心节点用户特征，基于提取到的中心节点用户特征，利用sigmoid激活函数计算中心节点用户的分类概率，并使用交叉熵损失作为优化目标进行虚假用户识别模型的监督训练，以便完成对虚假评分评论用户的识别。

主权项：1.一种基于改进GraphSAGE算法的虚假用户识别方法，其特征在于，包括以下步骤：步骤1、对于用户集U和物品集I，获取对应的用户的评论数据和用户的评分数据，包括以下内容：用户u在时刻tui对物品i给出评分rui和评论reviewui，τir表示物品i获得的所有评分的平均值，CRISu,v表示用户u和用户v的共同评分物品集，reviewlui表示用户u对物品i的评论文本长度，reviewavgi表示物品i获得的所有评论文本的平均长度；步骤2、使用评分数据中的评分偏差和评分时间间隔、以及评论数据中的评论文本长度和评论文本相似性来计算用户间共谋欺诈度Collouv；同时，利用评分数据中存在的用户物品交互关系，构建用户-用户关系图；同时，使用协同去噪自编码器CDAE从评分数据中提取出用户评分特征；步骤3、将所得用户评分特征作为用户初始特征，利用改进的图神经网络GraphSAGE模型从用户-用户关系图中聚合、提取中心节点用户特征所述改进的图神经网络GraphSAGE模型基于用户间共谋欺诈度Collouv来选择聚合邻居节点，然后引入多头自注意力机制，聚合时考虑虚假用户与真实用户的差异性，自适应的分配给虚假用户与真实用户不同的权重分数；步骤4、基于步骤3所得中心节点用户特征利用sigmoid激活函数计算中心节点用户的分类概率，并使用交叉熵损失作为优化目标进行虚假用户识别模型的监督训练，以便完成对虚假评分评论用户的识别。

全文数据：

权利要求：

百度查询： 南京审计大学 一种基于改进GraphSAGE算法的虚假用户识别方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD