基于注意力机制与文本信息的用户关系抽取.PDFVIP

基于注意力机制与文本信息的用户关系抽取 赵赟，吴璠，王中卿，李寿山，周国栋 （苏州大学 计算机科学与技术学院，江苏 苏州 215006 ） 摘要：随着社交媒体的发展，用户之间的关系网络对于社交媒体的分析有很大的帮助。因此，本文 主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息，比 如其他好友关系，用户的不同属性等。但是，很多时候用户本身并没有大量的好友信息存在，同时也不一 定有很多确定的属性。因此，我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜 在好友推荐算法，本文提出了一种基于注意力机制以及长短时记忆网络（Long Short-Term Memory ， LSTM ）的好友关系预测模型，将好友之间的评论分开处理，通过分析用户之间的评论来判断是否具备 一定的好友关系。该模型将好友双方信息拼接后的结果作为输入，并将注意力机制应用于 LSTM 的输 出。实验表明，用户之间的评论对于好友关系预测确实有较大的实际意义，本文提出的模型较之于多 个基准系统的效果，取得了明显的提升。在不加入任何其它非文本特征的情况下，实验结果的准确率 达到了77% 。