[发明专利]基于图自编码网络的用户信任关系预测方法及系统

权利要求书

1.一种基于图自编码网络的用户信任关系预测方法，其特征在于，包括以下步骤：

获取用户间的评论交互数据，构建用户信任关系网络；

基于所述用户信任关系网络提取邻接矩阵，并将所述邻接矩阵转化为有向激活传播邻接矩阵；基于所述用户信任关系网络提取邻接矩阵包括：将所述用户信任关系网络转换为用户信任关系矩阵；根据用户信任关系对矩阵进行赋值：信任关系赋值为1；不信任关系赋值为-1；未知关系赋值为0；

结合符号网络激活传播邻接矩阵，计算符号网络可达矩阵，并对高阶符号网络可达矩阵进行递推；

将高阶符号网络可达矩阵作为图卷积网络的输入，使用谱域图卷积的方法对符号网络进行编码，得到网络嵌入结果；

基于网络嵌入结果，使用内积运算进行网络中节点之间的相似性度量，得到重构的符号网络邻接矩阵，即用户信任关系网络链路预测结果；将重构的符号网络邻接矩阵转化为用户信任关系网络，并进行可视化，任意两名用户之间都存在一个预测的符号关系，信任或不信任关系，根据此，对每名用户选择性的开放评论或隐藏评论。

2.如权利要求1所述的一种基于图自编码网络的用户信任关系预测方法，其特征在于，将所述邻接矩阵转化为有向激活传播邻接矩阵包括：

根据邻接矩阵计算符号网络传播矩阵，使用符号函数激活所述传播邻接矩阵，得到符号网络激活传播邻接矩阵；

其中，所述符号网络传播矩阵为邻接矩阵、邻接矩阵的转置矩阵以及单位阵之和。

3.如权利要求1所述的一种基于图自编码网络的用户信任关系预测方法，其特征在于，所述高阶符号网络可达矩阵的递推计算方法为：

0阶符号网络可达矩阵M₀＝I；

1阶符号网络可达矩阵

m阶符号网络可达矩阵其中，m≥2，I表示单位阵，表示激活传播邻接矩阵，M_m-1(i,k)表示m-1阶符号网络可达矩阵中第i和第k个用户之间的信任关系，n表示网络中用户数量，sgn(.)为符号函数。

4.如权利要求1所述的一种基于图自编码网络的用户信任关系预测方法，其特征在于，图卷积网络应用符号拉普拉斯矩阵：对符号拉普拉斯矩阵进行谱分解，以符号拉普拉斯矩阵的特征向量作为傅里叶变换的基，定义图上的傅里叶正逆变换规则，实现符号网络向频域中的转换；将卷积核转换到频域之中，实现卷积运算。

5.如权利要求4所述的一种基于图自编码网络的用户信任关系预测方法，其特征在于，所述符号拉普拉斯矩阵是在无符号网络拉普拉斯矩阵的基础上，将度矩阵和图的邻接矩阵，都基于所述有向激活传播邻接矩阵构造得到。

6.一种基于图自编码网络的用户信任关系预测系统，其特征在于，包括：

符号网络获取模块，获取用户间的评论交互数据，构建用户信任关系网络；

符号网络处理模块，基于所述用户信任关系网络提取邻接矩阵，并将所述邻接矩阵转化为有向激活传播邻接矩阵；基于所述用户信任关系网络提取邻接矩阵包括：将所述用户信任关系网络转换为用户信任关系矩阵；根据用户信任关系对矩阵进行赋值：信任关系赋值为1；不信任关系赋值为-1；未知关系赋值为0；

可达矩阵计算模块，结合符号网络激活传播邻接矩阵，计算符号网络可达矩阵；

可达矩阵递推模块，结合符号网络激活传播邻接矩阵，计算符号网络可达矩阵，并对高阶符号网络可达矩阵进行递推；

网络嵌入模块，将高阶符号网络可达矩阵作为图卷积网络的输入，使用谱域图卷积的方法对符号网络进行编码，得到网络嵌入结果；

链路预测模块，基于网络嵌入结果，使用内积运算进行网络中节点之间的相似性度量，得到重构的符号网络邻接矩阵，即用户信任关系网络链路预测结果；将重构的符号网络邻接矩阵转化为用户信任关系网络，并进行可视化，任意两名用户之间都存在一个预测的符号关系，信任或不信任关系，根据此，对每名用户选择性的开放评论或隐藏评论。

7.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-5中任一项所述的一种基于图自编码网络的用户信任关系预测方法。

8.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-5中任一项所述的基于图自编码网络的用户信任关系预测方法。