[发明专利]一种基于图卷积网络的社交平台用户职业预测方法

说明书

本发明公开了一种基于图卷积网络的社交平台用户职业预测方法。首先爬取用户的社交网络数据构建网络结构邻接矩阵，利用bag‑of‑words表示用户个人简介构建节点属性特征矩阵，之后输入图卷积网络得到网络特征向量；然后再与由用户基本属性和行为属性构造的主用户属性特征向量进行拼接，得到主用户特征向量，并输入逻辑斯特回归分类器进行训练得到最终的职业分类模型。本发明充分利用用户在社交平台上留下的数据，使用图卷积网络模型构建社交网络，使用户职业预测更加准确；预测社交网络用户职业有利于用户画像的构建，可以优化平台的广告推荐、用户推荐算法，进而有效地增强平台用户粘性。

技术领域

本发明涉及计算机视觉技术领域，具体涉及一种基于图卷积网络的社交平台用户职业预测方法。

背景技术

社交平台用户的特征预测是自然语言处理的一个热门主题。例如新浪微博作为一个大型的社交平台，就拥有几亿用户，用户在平台上活动产生了大量的用户属性(个人简介、性别、年龄、地区)、用户行为(评论、转发、点赞)以及用户社交关系(关注、粉丝)数据，数据挖掘研究和应用提供了大量的数据支持。对用户的某些特征进行预测可以为用户个性化推荐提供支撑，有利于为用户提供更好的服务、为平台创造更大的收益。同时，网络信息安全得到越来越多的重视，对用户的属性进行预测有利于提高对社交平台中用户身份识别的准确率，有利遏制和打击网络犯罪。

社交平台用户的个人基本属性以及用户活跃在平台上产生的大量文本数据可以构成用户的基本特征，同时，用户主页可以获取用户的关注用户以及粉丝，以此可以构建用户的社交网络关系图获得用户的社交网络特征。结合用户的基本特征以及社交网络特征对用户职业利用深度学习算法进行预测可以达到较高的分类精度。

在20世纪80年代，由David Runelhart、Geoffrey Hinton等人提出了用于训练多层神经网络的BP算法，将计算机的学习过程提高到以往不能企及的高度，使得神经网络再度迎来春天。由于传统的多层感知机很容易陷入局部最小，直接使用BP算法求取的分类效果不太明显，因此多伦多大学Geoffery hinton教授提出了Deep learning的概念，引入了概率图模型里的生成模型。它能从训练数据里通过不断地学习自动提取出所需要的特征，解决了传统手工特征提取考虑不周的问题，并且更好地对神经网络权重进行初始化，之后通过BP算法不断修正权重，得到的分类效果良好。

CNN自LeCun提出的LeNet网络结构在对手写数字识别上取得很好效果之后开始被广泛认知。CNN不需要对输入进行过多的预处理，通过卷积运算，可以学习到图像或文本的局部特征，从而达到一个良好的分类效果，在图像处理以及自然语言处理领域得到广泛运用。

图卷积网络(GCN)是近几年提出的可以很好地处理图结构数据的卷积神经网络模型。普通的CNN研究的对象需要具备规则的空间结构，比如图片是规则的正方形、语音是规则的序列。可以通过有限维度的矩阵将这些对象表示出来作为网络的输入。然而现实生活中许多数据不具备规则的空间结构，比如社交网络。利用GCN可以很好地对空间结构不规则的数据进行学习分类。此外，GCN的输入参数包括邻接矩阵以及特征矩阵，不仅能学习网络结构，还能利用网络节点的属性进行学习，相比一般的表示图结构的模型GCN学习到的信息更加充分。

文本的表示最早采用one-hot方法，每一个单词对应向量中的一位，但是one-hot方法占用的内存空间过大。有学者提出了Bag-of-words模型，该模型假定对于一个文档，忽略它的语法、句法以及单词顺序等要素，把它仅仅看作作干个词汇的集合，是信息检索领域常用的文档表示方法。用短文本预处理时用Bag-of-word表示能起到很好的模型训练效果。