[发明专利]一种基于多核图卷积网络的在线社交平台用户好友推荐方法

说明书

一种基于多核图卷积网络的在线社交平台用户好友推荐方法，根据在线社交网络平台用户关系数据构建一个社交关系网络，构建多核图卷积网络模型，该模型包含两层结构，第一层是一个三维图卷积核，第二层包含多个三维图卷积核，得到节点嵌入矩阵，对嵌入矩阵做内积操作，加入激活函数，得到节点相似性矩阵，将所有无连边节点对按降序排列，取排列较前的节点对，对应的用户即为相互推荐的好友，本发明考虑了高阶邻域特征，使用了多核卷积对网络进行了优化，提高了准确性和预测精度。

技术领域

本发明涉及社交网络用户推荐领域，特别是指一种基于多核图卷积网络的在线社交平台用户好友推荐方法。

背景技术

人类离不开社交，随着网络技术的不断革新，Facebook、Twitter等社交软件的发展，人们的社交需求得到了进一步的满足。社交网络旨在对网络中用户间的相互关系进行存储，通过社交网络，可以更好对用户的网络形象进行分析，了解用户的人际关系网，以及可能认识的人群。通过对社交网络的研究分析，能够实现精准营销，内容推荐，知识传播，能够深刻地影响人们的信息获取、思考方式以及生活，是一个市场前景远大，仍有许多机会的蓝海。

在线社交平台用户好友推荐，是一种链路预测方法，旨在通过已知的节点和边信息去预测未知的节点连边概率。在社交网络中应用的十分广泛，具有非常可观的价值。通常情况下，链路预测会使用如AUC，AP等评价指标来对性能进行评价。在线社交平台数据量庞大，关系复杂，这大大提高了用户好友推荐的难度，这也导致了用户关系特别是高阶关系信息很难用一般性模型简单表征，因此，如何使用合适的模型来提高好友推荐准确度就显得十分必要。

发明内容

为了克服现有方法难以有效全面捕捉用户多阶关系，推荐好友精确度不高等问题，本发明提出了一种表示能力强，推荐效果佳的一种基于多核图卷积网络的在线社交平台用户好友推荐方法。

本发明解决其技术问题所采用的技术具体步骤是：

一种基于多核图卷积网络的在线社交平台用户好友推荐方法，包括如下步骤：

步骤一：根据在线社交网络平台用户关系数据构建一个社交关系网络模型G(V,E)，V为节点，E为连边，其邻接矩阵用A表示，其中，一个节点表示一个用户，节点集V＝{v₁,v₂,...,v_N}表示用户集合，如果两个用户是好友，则相应的两个节点之间有连边；N表示用户数，每个用户初始特征向量都用one-hot向量表示，单位矩阵X为所有用户初始特征向量的组合；

步骤二：构建多核图卷积网络模型，该模型包含两层结构，第一层是一个三维卷积核，共有k₁条通道，其中第i条通道上使用i阶卷积核SGC_i，1≤i≤k₁；第二层包含k₂个三维卷积核，其中第j个三维卷积核的所有k₁个通道都使用j阶卷积核SGC_j，1≤j≤k₂；

步骤三：计算i阶卷积核

其中GCN表示不含激活函数的图卷积神经网络，1≤i≤max(k₁,k₂)，f为relu激活函数；

步骤四：计算第一层网络输出

H¹＝concat(SGC_i(X,A)),i∈{1,2,...,k₁}，

其中concat为拼接操作，将所有二维SGC拼接成三维输出；

步骤五：计算第二层的第j个三维卷积核输出

其中SUM表示通道之间相加，将三维张量转化为二维矩阵；