CN115293437B 一种基于社交网络平台动态交互的关系预测方法 （重庆邮电大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN115293437B(45)授权公告日2025.07.01

(21)申请号202210972715.8

(22)申请日2022.08.15

(65)同一申请的已公布的文献号申请公布号CN115293437A

(43)申请公布日2022.11.04

(73)专利权人重庆邮电大学

地址400065重庆市南岸区南山街道崇文

路2号

(72)发明人韦世红吴鹤俊肖寒春肖云鹏庞育才李暾

(74)专利代理机构重庆辉腾律师事务所50215专利代理师王海军

(51)Int.CI.

GO6Q10/04(2023.01)

GO6Q50/00(2024.01)

GO6F40/205(2020.01)

GO6F40/242(2020.01)

GO6F40/284(2020.01)

GO6N3/0442(2023.01)

GO6N3/0464(2023.01)

GO6N3/08(2023.01)

(56)对比文件

Wei,SH(Wei,Shihong);Wang,LY

(Wang,Liangyu);Wu,HJ(Wu,Hejun);Zhou,

MG(Zhou,Minguo);Li,Q(Li,Qian);Xiao,

YP(Xiao,Yunpeng).Linkpredictionmethodforsocialnetworksbasedona

hierarchicalandprogressiveuser

interactionmatrix.KNOWLEDGE-BASEDSYSTEMS.2024,(第8期),297-312.

审查员李文斌

权利要求书2页说明书8页附图2页

(54)发明名称

一种基于社交网络平台动态交互的关系预

用户文本信息

用户文本信息用户历史行为

TT2veeHPIN2vee

文本信息网络交互网络

用户兴趣发现社交规律发现

杜变选动—户市点信息

构建强袖关用户组

用户闻是否会建立连接用户网建立的连接类型

(57)摘要

115293437B本发明涉及社交网络关系预测领域，具体涉及一种基于社交网络平台动态交互的关系预测方法；该方法在线获取用户的交互信息和文本信息，并分别对文本信息和交互信息进行相关处理，得到文本特征表示和交互网络结构特征表示；文本特征表示与交互网络结构特征表示融合得到用户特征表示；计算用户特征表示中任一用户与其余用户的相关性，选取前K个相关性对应的用户构成当前用户的强相关用户组；将其强相关用户组输入图注意力模型，得到当前用户的新特征；将新特征输入训练好的关系预测模型得到当前用户的关系预测结果；本发明引入交互行为间的潜在关系，不仅可以更准确的进行社交网络

115293437B

CN类型

CN

CN115293437B权利要求书1/2页

2

1.一种基于社交网络平台动态交互的关系预测方法，其特征在于，包括以下步骤：

S1.在线获取用户数据，其包括用户在社交网络中的交互信息和文本信息；

S2.采用负采样模型对文本信息进行处理得到词序列，通过词序列构建文本序列，将文本序列输入LSTM网络得到文本特征表示；

S3.通过交互信息构建分层递进式用户交互矩阵序列，将其与文本特征表示进行卷积得到分层递进式的用户文本交互快照图序列，将用户文本交互快照图序列输入LSTM网络得到交互网络结构特征表示；

步骤S3通过交互信息构建分层递进式用户交互矩阵序列的过程为：

S310.获取用户的多种交互行为的数据，每一种交互行为构建一个邻接矩阵，将邻接矩阵根据交互行为产生关系链接的难度由小到大排列，得到邻接矩阵序列；

S311.对邻接矩阵序列进行前项求和得到分层递进式用户交互矩阵序列，表示为：

其中，A表示邻接矩阵序列中的第i个邻接矩阵，n表示分层递进式用户交互矩阵序列的层数，M表示分层递进式用户交互矩阵序列中第n层的递进交互矩阵；

S4.将文