[发明专利]一种基于情感和图卷积神经网络的个性化评论推荐方法

权利要求书

1.一种基于情感和图卷积神经网络的个性化评论推荐方法，其特征在于，包括如下步骤：

a)获取网络评论数据并结合评论发表时间，根据评论的点赞数N_like过滤无用评论，去掉评论数N_comment少的不活跃用户；

b)使用Natural Language Toolkit自然语言工具包对评论数据中的文本进行分词处理，将分词后提取的词组作为评论标签tag；

c)将评论标签tag置于SenticNet概念层面情感分析数据词典中进行查找对比，得到评论标签tag中词组的情感值；

d)根据用户社交网络构建用户图结构，将用户发表评论的源的主题作为用户兴趣并通过embedding算法嵌入到用户节点中，通过LightGCN轻量级图卷积神经网络学习得到用户节点的兴趣表示

e)通过公式计算当前用户兴趣的最终表示User_Interset，式中α_k为控制第k层的权重，K为总层数，K＝1；

f)以用户为单位，将所有评论标签tag的情感值的和除去情感值的标签个数得到发表评论的平均情感值，将平均情感值附加到当前用户上构造出用户的特征属性User_feature；

g)以评论为单位，将User_Interset附加到评论上构造出评论的特征属性Comment_feature；

h)通过公式

计算得到用户特征与评论特征的相似度sim(User_feature,Comment_feature)，根据相似度sim(User_feature,Comment_feature)进行评论推荐。

2.根据权利要求1所述的基于情感和图卷积神经网络的个性化评论推荐方法，其特征在于：步骤a)中，点赞数N_like小于5的评论为无用评论，进行过滤操作，评论数N_comment小于5的用户为不活跃用户，进行删除操作。

3.根据权利要求1所述的基于情感和图卷积神经网络的个性化评论推荐方法，其特征在于：步骤b)中分词处理后去除文本中专用名词及特殊字符后，将提取的词组作为评论标签。

4.根据权利要求1所述的基于情感和图卷积神经网络的个性化评论推荐方法，其特征在于：步骤c)中评论标签tag由单个词组构成时，当评论标签tag在SenticNet概念层面情感分析数据词典中，则通过公式Comment_emotion(tag)＝EmotionScore(tag)计算情感值Comment_emotion(tag)，式中EmotionScore(tag)为评论标签在SenticNet概念层面情感分析数据词典中的值，当评论标签tag不在SenticNet概念层面情感分析数据词典中，Comment_emotion(tag)为0。

5.根据权利要求1所述的基于情感和图卷积神经网络的个性化评论推荐方法，其特征在于：步骤c)中评论标签tag由多个词组构成时，当评论标签tag在SenticNet概念层面情感分析数据词典中，则通过公式

计算情感值Comment_emotion(tag)，式中|tag_emotion|为单一评论中含有情感值的标签个数，|tag|为单一评论中所有标签个数，当评论标签tag不在SenticNet概念层面情感分析数据词典中，Comment_emotion(tag)为0。

6.根据权利要求1所述的基于情感和图卷积神经网络的个性化评论推荐方法，其特征在于：步骤d)中通过公式计算得到用户节点的兴趣表示式中N_User为与当前用户发生交互的节点数量，User_i^k为第k层与用户发生交互的第i个节点。