[发明专利]基于图神经网络的交互式社区搜索方法及装置

权利要求书

1.一种基于图神经网络的交互式社区搜索方法，其步骤包括：

1)通过用户的查询节点和标记节点，从在线社交网络中构造给定候选子图G_S；

2)通过给定候选子图G_S的各节点构建邻接矩阵A，依据给定候选子图各样本正节点u的内容特征及预训练好的嵌入集D，构建内容特征矩阵F_M，并通过交叉熵与排序损失相结合的方式作为损失函数，构造图神经网络模型M＝(A，F_M，W)，其中A为邻接矩阵，W为参数矩阵；

3)对图神经网络模型M进行收敛，得到各节点的图神经网络分数，并依据图神经网络分数，更新给定候选子图G_S；

4)依据更新后的给定候选子图及设定社区大小k，通过保证社区连通且社区中节点分数尽可能大，选取大小为k的最终目标社区。

2.如权利要求1所述的方法，其特征在于，构造给定候选子图G_S的方法包括：局部边缘增强的广度优先搜索策略或广度优先搜索。

3.如权利要求2所述的方法，其特征在于，依据局部边缘增强的广度优先搜索策略，通过以下步骤构造给定候选子图：

1)每轮迭代前，查找先前候选子图G_B，其中若未查找先前候选子图G_B，则先前候选子图G_B为空；

2)依据先前候选子图G_B＝(V_B，E_B，F_B)与正样本集合S_p，计算节点集合V_S＝S_p∪V_B、边集合E_S＝E_B及节点内容特征集合F_S＝F_B，其中，V_B、E_B与F_B分别为先前候选子图G_B的节点集合、边集合与节点内容特征集合，样本节点集合S包括：正样本集合S_p和标记负节点集合S_n，正样本集合S_p包括标记正节点集合和查询节点；

3)对节点集合V_S中每一节点u，获得与节点u连边的节点集合N及节点u的新发布信息，将节点u的新发布信息特征加入节点内容特征集合F_S中，更新节点内容特征集合F_S，并继续更新节点集合V_S与边集合E_S，其中若节点u∈S_p且节点v∈N，则节点集合V_S←V_S+{v}及边集合E_S←E_S+{(u，v)}；若节点且v∈N∧v∈V_S，则节点集合V_S不变，边集合E_S←E_S+{(u，v)}；

4)根据更新后的节点集合V_S、边集合E_S与节点内容特征集合F_S，构造给定候选子图G_S＝(V_S，E_S，F_S)，其中将当前候选子图G_S保存以用于下次迭代。

4.如权利要求1所述的方法，其特征在于，损失函数Loss_a＝Loss_c+λLoss_r，其中交叉熵损失函数排名损失函数λ为权重参数，S为样本节点集合，u_S.y为节点u_S的标记结果，P[u_S]为节点u_S的图神经网络分数，R为用户标记的一组排序节点对，(u_R，v_R)∈R代表u获得比v更高的图神经网络分数，v为社区网络的一节点，m∈[0，1]是允许排序误差的容忍度。