[发明专利]一种基于图神经网络的用户通信行为预测方法和装置

权利要求书

1.一种基于图神经网络的用户通信行为预测方法，其特征在于，包括以下步骤：

采集用户属性数据、用户行为数据、用户间通话数据，以及待预测行为数据，以用户作为节点，将用户属性数据和用户行为数据的编码信息作为节点属性，根据用户间通话数据构建节点之间连边信息，以形成用户通信社交图，待预测行为数据作为待预测行为标签；

构建包含图神经网络和分类网络的用户通信行为模型，其中，图神经网络用于提取节点特征，分类网络用于基于节点特征进行用户通信行为预测，利用用户通信社交图和待预测行为标签优化用户通信行为模型参数；

应用时，将待预测的用户通信社交图输入至参数优化后的用户通信行为模型，经计算得到用户通信行为预测结果。

2.如权利要求1所述的基于图神经网络的用户通信行为预测方法，其特征在于，针对用户属性数据，对于用户属性数据包含的离散属性数据进行独热编码，对包含的连续属性数据进行归一化处理，得到用户属性数据的编码信息；

对用户行为数据进行归一化处理，得到用户行为数据的编码信息；

用户属性数据的编码信息与用户行为数据的编码信息拼接后得到的用户属性向量作为节点属性。

3.如权利要求1所述的基于图神经网络的用户通信行为预测方法，其特征在于，采用波纹行走算法从用户通信社交图中采集用户通信社交子图，将用户通信社交子图输入至用户通信行为模型。

4.如权利要求1所述的基于图神经网络的用户通信行为预测方法，其特征在于，图神经网络通过输入图的每个节点属性和邻居节点属性进行聚合得到节点特征，具体包括：

对输入图中的每个节点进行固定数量的邻居节点的采样，采用聚合函数对采样的邻居节点进行节点属性的聚合得到节点特征，并聚合得到的节点特征供下游采样和聚合任务使用。

5.如权利要求1所述的基于图神经网络的用户通信行为预测方法，其特征在于，优化用户通信行为模型参数时，采用基于用户通信社交图的行为预测结果与待预测行为标签的交叉熵为损失函数来优化用户通信行为模型参数。

6.如权利要求1所述的基于图神经网络的用户通信行为预测方法，其特征在于，所述分类网络采用多层全连接网络，利用多层全连接网络基于节点特征进行用户通信行为预测。

7.如权利要求1所述的基于图神经网络的用户通信行为预测方法，其特征在于，所述用户属性数据包括：性别、年龄、客户星级、用户终端信息、用户套餐信息、入网时间、换机时长；

所述用户行为数据包括：用户语音使用情况、用户流量使用情况、用户应用使用天数、用户亲情网使用情况；

所述用户间通话数据包括：呼入用户和呼出用户，每条通话数据的呼出用户作为起始节点，呼入用户作为目标节点，在呼入用户和呼出用户中间建立连边。

8.一种基于图神经网络的用户通信行为预测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上执行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～7任一项所述的基于图神经网络的用户通信行为预测方法。