[发明专利]基于GraphSAGE的社交网络意见领袖挖掘方法

权利要求书

1.一种基于GraphSAGE的社交网络意见领袖挖掘方法，其特征在于，包括以下步骤：

构建社交网络数据集以获取社交网络用户信息；

根据社交网络用户信息对社交网络用户进行预分类以得到预分类结果；

对预分类结果进行特征提取以得到特征数据，并设置初始节点特征；

通过初始节点特征对特征数据进行基于GraphSAGE的节点二分类模型训练以得到二分类模型；

利用二分类模型对未参与训练的社交网络用户进行意见领袖分类，以得到意见领袖的挖掘结果。

2.如权利要求1所述的基于GraphSAGE的社交网络意见领袖挖掘方法，其特征在于，所述根据社交网络用户信息对社交网络用户进行预分类以得到预分类结果包括：采用用户影响力衡量模型法、PageRank算法和CELF算法分别挖掘出各自的意见领袖集合，将所述意见领袖集合的交集作为预分类结果。

3.如权利要求2所述的基于GraphSAGE的社交网络意见领袖挖掘方法，其特征在于，所述用户影响力衡量模型法利用社交网络中的用户信息计算用户影响力，用户影响力的计算公式为：

userInf＝α×Activity+β×Transbility+γ×Confidence

其中，userInf为用户影响力，Activity代表用户活跃度，Translibity代表历史传播力，Confidence代表用户可信度，α、β、γ分别代表式中各项的权重。

4.如权利要求2所述的基于GraphSAGE的社交网络意见领袖挖掘方法，其特征在于，所述PageRank算法的计算公式为：

其中，PR(p_i)表示节点p_i的PageRank值，即节点的重要性，N表示社交网络图中的节点数量，M(p_i)表示指向节点p_i的所有节点的集合，L(p_j)表示节点p_j所指向的节点的数量，d表示一个值为0到1的阻尼系数。

5.如权利要求2所述的基于GraphSAGE的社交网络意见领袖挖掘方法，其特征在于，所述CELF算法包括以下步骤：

(1)输入社交网络图、种子节点集合Seeds和种子数量K，在Seeds为空集时，算出所有节点的边际影响力并排序；

(2)将边际影响力最大的节点加入Seeds；

(3)重新计算剩余节点的边际收益，将拥有最大边际收益的节点加入Seeds；

(4)重复(3)的步骤，直到所有节点计入Seeds。

6.如权利要求1所述的基于GraphSAGE的社交网络意见领袖挖掘方法，其特征在于，所述二分类模型训练包括：采用Relu函数作为激活函数，交叉熵作为损失函数，对特征数据进行二分类模型训练，随后根据训练结果对二分类模型进行调优。

7.如权利要求1所述的基于GraphSAGE的社交网络意见领袖挖掘方法，其特征在于，还包括：将所述二分类模型迁移到同类型的其他社交网络数据集进行意见领袖的分类，以得到其他社交网络数据集的意见领袖的挖掘结果。

8.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的基于GraphSAGE的社交网络意见领袖挖掘方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述基于GraphSAGE的社交网络意见领袖挖掘方法。