[发明专利]社交网络建模的方法及装置

权利要求书

1.一种社交网络建模的方法，其特征在于，所述方法包括：

获取平台上与文章有交互关系的所有用户的身份标识以及用户之间的交互关系；

根据身份标识、交互关系、无权重图结构，基于预设的节点表示方法得到图神经网络结构图，以及图神经网络结构图中每个节点的特征向量；

基于注意力机制对每个节点的特征向量进行更新；

所述基于注意力机制对每个节点的特征向量进行更新包括：

基于单个注意力机制或者多头注意力机制计算每个节点与其邻节点的注意力系数；

根据注意力系数对每个节点的特征向量进行更新；

图神经网络结构图是基于图神经网络模型得到的；

所述基于单个注意力机制或者多头注意力机制计算每个节点与其邻节点的注意力系数包括：首先，基于共享线性变换权重矩阵对每个节点的特征向量进行特征增强处理；然后，基于增强处理后的特征向量计算每个节点与其邻节点的注意力系数；

计算每个节点与其邻节点的注意力系数的公式如下：

其中，e_vu为节点v与邻节点u的注意力系数，W为共享线性变换权重矩阵，a为attension系数；

最后，通过softmax回归函数对注意力系数e_vu进行归一化处理得到注意力系数α_vu；并使用LeakyRelu作为激活函数，Ni为V节点的邻近节点结合，则α_vu的计算公式如下：

2.根据权利要求1所述的社交网络建模的方法，其特征在于，所述基于单个注意力机制或者多头注意力机制计算每个节点与其邻节点的注意力系数包括：

基于共享线性变换权重矩阵对每个节点的特征向量进行特征增强处理；

基于增强处理后的特征向量计算每个节点与其邻节点的注意力系数。

3.根据权利要求1所述的社交网络建模的方法，其特征在于，根据注意力系数对每个节点的特征向量进行更新包括：

根据注意力系数为每个节点对应的邻节点分配权重系数；

根据权重系数对每个节点的邻节点的特征向量进行加权求和得到每个节点对应的更新特征向量。

4.根据权利要求1所述的社交网络建模的方法，其特征在于，所述方法还包括：

获取平台的更新数据，所述更新数据包括新增加的用户和/或新增加的交互关系；

根据所述更新数据更新所述图神经网络结构图以及图神经网络结构图中每个节点的特征向量；

基于注意力机制再次对更新后的图神经网络结构图中每个节点的特征向量进行更新。

5.根据权利要求3所述的社交网络建模的方法，其特征在于，在根据注意力系数对每个节点的特征向量进行更新之前，所述方法包括：

通过预设的回归函数对注意力系数进行归一化处理。