[发明专利]一种基于改进递归神经网络的诽谤性恶意用户检测方法

权利要求书

1.一种基于改进递归神经网络的诽谤性恶意用户检测方法，其特征在于，包括以下步骤：

步骤S1，搭建层次化双注意力递归神经网络HDAN模型；

步骤S2，联合过滤；

步骤S3，改进的非负矩阵分解推荐系统；

其中，步骤S1包括以下：

S101，标定mGRU模型，其，ug_t的计算公式为：

其中的临时状态信息表示为：

重置门re_t为一个权值，用于决定保留多少先前状态信息，若re_t＝1，则需要保留全部的先前状态信息，re_t的表示如下：

S102，词水平语义情感分析，包括如下：

其嵌入矩阵W_e，将单词w_it映射到一个向量y_it中，表示如下：

y_it＝W_ew_it，t∈[1，L_w]；

以来结合和获取包含以单词w_it为中心的所有信息；

其中一个句子中的单词数量为w个，每个单词的权值依赖于情感信息h_it，其注意力权值计算公式如下：

其中，c_it是情感权值h_it的隐式表示，c^w是与c_it同一维度的随机向量，c^w可以在模型训练的过程中学习得到；

S103，句子水平语义情感分析；

每条评论中的句子数量为s个，表示为：

以来结合和获取包含以句子s_i为中心的所有信息，

获取评论中每个句子的权值，因为每条评论中的句子数量为s个，具体公式如下：

其中，v是包含了评论中所有信息的向量，将词水平包含的信息与句子水平上包含的信息进行了整合，得到的评论水平上的向量；

获取计算评论意见水平ot，具体如下：

ot＝F(softmax(W_vv+b_v))；

其中，F是映射函数；

步骤S2包括以下：

获取评论意见水平ot_ui和用户对项目的评级意见水平r_ui，过滤诽谤性恶意交互行为和诽谤性恶意用户；

确定d_ui作为诽谤性恶意交互行为指示符，表示如下：

{d_ui|d_ui＝1，|ot_ui-r_ui|≥α；d_ui＝0，|ot_ui-r_ui|＜α}；

其中，标定谤性恶意交互行为指示符d_ui构建用户项目交互指示矩阵R_in，R_in∈R^m*n；

指示符d_ui，诽谤性恶意用户集合u^s的计算函数具体如下：

步骤S3包括以下：

确定潜在维度，表示如下：

P∈R^m*k，∑∈R^k*k，Q∈R^k*n；

其中，∑是k维对角矩阵，具体项为σ₁，σ₂...σ_k，σ代表潜在维度p在用户潜在表征P中的重要性和潜在维度q在项目潜在表征Q中的重要性；

将∑中的权值按降序排列为σ′₁，σ′₂...σ′_k；

利用top-k’方法(k′＝{k′|(σ′₁+σ′₂...+σ′_k′)/(σ′₁+σ′₂...+σ′_k)＞η})，来构建新的k′维对角矩阵∑′，其具体项为σ′₁，σ′₂...σ′_k′；

依据∑′和重构矩阵，在P和Q中选择出最重要的k′个潜在维度；

通过重建矩阵后，可以在原始矩阵R中，从所有未排序的项目里挑选出前k个项目，对用户进行推荐。