[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

说明书

一种基于情感和图卷积神经网络的个性化评论推荐方法，通过基于情感和图卷积神经网络的评论推荐方法，经初步过滤无用信息及不活跃用户后，分别提取评论和用户属性，再根据用户与评论的关系，将两者属性相互叠加，最终通过用户与评论的相似度来决定是否推荐。无需人为定义“优质评论”，实现因人而异的评论推荐，让每位用户看到更加符合自身喜好的评论。可协助网络空间的社交圈划分，使不同“圈子”的用户看到不同评论，进而减少用户间矛盾。

技术领域

本发明涉及网络评论个性化推荐技术领域，具体涉及一种基于情感和图卷积神经网络的个性化评论推荐方法。

背景技术

评论，因其易表达、效率高等特点，在互联网中广泛使用。但由于评论角度不同，易使他人产生逆反心理。推荐技术在评论中的应用，使得“说者过瘾，闻者闹心”的现象有所改善。现有关评论的推荐技术多是筛选出优质评论，再统一推荐给用户。但其面对如下问题：

1)“优质评论”因人而异，主观性太强；

2)长篇评论用户未必会看；

3)不同“圈子”的用户在同一内容上高度揉合，极易引发矛盾。

发明内容

本发明为了克服以上技术的不足，提供了一种更加用户与评论的关系，通过用户与评论的相似度决定是否推荐的基于情感和图卷积神经网络的个性化评论推荐方法。

本发明克服其技术问题所采用的技术方案是：

一种基于情感和图卷积神经网络的个性化评论推荐方法，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。

进一步的，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。

进一步的，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。