[发明专利]社交网络建模的方法及装置

说明书

本申请公开了一种社交网络建模的方法及装置，本申请的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，以提供一种社交网络结构来更加好的刻画用户在社交网络中复杂关系。

技术领域

本申请涉及自然语言处理技术领域，具体而言，涉及一种社交网络建模的方法及装置。

背景技术

伴随着互联网及自媒体行业的蓬勃发展，舆情信息的传播方式和传播速度较之以往已经发生了本质上的变化，传统的人工舆情监测方式已经远远不能满足于现阶段的舆情处理需求。

现有的舆情分析技术解决方案大多是用舆情事件关键词匹配的方式识别舆情事件，再将舆情情绪分析任务当作分类任务用有监督方法去预测归类。在分析舆情传播任务上，现有解决方案也大多只是静态的给出舆论事件在网络传播过程中的转发评论人，并没有尝试去从社交网络的角度通过分析人与人、人与舆情文章产生的交互行为及信息数据去细致分析。因此为了提高预测的准确性，需要结合社交网络结构进行预测，用户在社交网络中的关系是非常复杂，而现有的交互方式中只是记录文章的转发评论人，无法满足复杂性的需求，因此亟需提出一种社交网络结构来更加好的刻画用户在社交网络中复杂关系。

发明内容

本申请的主要目的在于提供一种社交网络建模的方法及装置，以提供一种社交网络结构来更加好的刻画用户在社交网络中复杂关系。

为了实现上述目的，根据本申请的第一方面，提供了一种社交网络建模的方法。

根据本申请的社交网络建模的方法包括：

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。

可选的，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。

可选的，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：

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。

可选的，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。

可选的，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。

可选的，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。