申请/专利权人：北京邮电大学

申请日：2023-01-12

公开（公告）日：2024-06-28

公开（公告）号：CN116260668B

主分类号：H04L12/18

分类号：H04L12/18;H04L51/216;G06N3/08;G06N3/0464;H04L51/04;H04L51/21

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2023.06.30#实质审查的生效;2023.06.13#公开

摘要：本发明提供一种面向聊天群组的关键人物提取方法及装置，包括：获取聊天群组中的消息信息，采用滑动时间窗口算法为消息构建全连接消息图，采用结构感知图神经网络计算消息边的向量值，并通过多层感知器层计算第一权值，构建消息关系图；基于消息关系图确定发送消息的用户，并计算用户边第二权值，构建用户关系图；基于各用户的发言数和各用户边的第二权值设置预设PageRank算法的分数分配权重，对用户关系图采用预设PageRank算法进行迭代，直至收敛，得到各用户的影响力分数；按照影响力分数对各用户进行排序，以提取该聊天群组中的关键人物。本发明构建了有向的用户关系图，并对PageRank算法进行改进，实现了针对聊天群组的关键人物提取。

主权项：1.一种面向聊天群组的关键人物提取方法，其特征在于，该方法包括以下步骤：获取聊天群组中预设数量条消息信息，所述消息信息包括消息内容、消息发送时间、消息编号以及发送消息的用户；基于所述消息信息构建消息序列数组和消息发送时间数组，采用滑动时间窗口算法，设置时间窗口大小，采用所述时间窗口循环遍历所有消息，并循环遍历所述时间窗口内的消息，将所述时间窗口内的消息作为消息节点进行全连接，生成全连接消息图；将所述全连接消息图输入预训练得到的结构感知图神经网络，计算各消息节点之间消息边的向量值，将各消息边的向量值输入预设的多层感知器层，生成各消息边的第一权值，根据所述第一权值判断对应消息节点之间是否存在关系，所述关系至少包括回复关系和补充关系，保留存在关系的消息边，去除不存在关系的消息边，构建消息关系图；其中，在所述结构感知图神经网络进行消息传递和聚合操作中，所述消息节点通过其邻居节点和相应消息边的融合进行更新，更新过程表示为： 其中，i和j表示相邻的两个消息节点；j'表示消息节点i的相邻节点；ui和uj分别表示经所述结构感知图神经网络学习到的消息节点i和j对应的向量值；dij表示经所述结构感知图神经网络学习到的消息节点i和j之间消息边的向量值；l表示当前网络的层数；N表示与消息节点i相邻的节点的个数；W**∈{Q,K,V,F,R}表示可学习的参数；αij表示Softmax函数；eij表示计算过程中的中间量，无实义；dimu表示消息节点的维度；T表示矩阵转置；根据所述消息关系图和所述消息信息，确定每条消息对应的用户，将得到的各用户作为用户节点，从所述消息关系图中获取各用户之间的消息边，并累加消息边的第一权值作为相应用户节点之间用户边的第二权值，构建用户关系图；根据所述消息信息统计各用户的发言数，基于各用户的发言数和各用户边的第二权值计算各用户之间的回复概率值，根据所述回复概率值设置预设PageRank算法的分数分配权重；对所述用户关系图采用预设PageRank算法进行迭代，直至收敛，得到各用户节点稳定的PageRank值，并将所述PageRank值作为各用户的影响力分数；按照所述影响力分数对各用户进行排序，根据预设规则提取相应的用户，以得到该聊天群组中的关键人物。

全文数据：

权利要求：

百度查询： 北京邮电大学 面向聊天群组的关键人物提取方法及装置

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