[发明专利]基于GraphSAGE的社交网络意见领袖挖掘方法

说明书

本发明提出了一种基于GraphSAGE的社交网络意见领袖挖掘方法，涉及社交网络技术领域，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；本发明提供的基于GraphSAGE的社交网络意见领袖挖掘方法，充分利用用户信息和用户间拓扑结构信息，有效解决了其他模型迁移性差的问题，大大提高挖掘结果的准确性。

技术领域

本发明涉及社交网络技术领域，具体而言，涉及一种基于GraphSAGE的社交网络意见领袖挖掘方法。

背景技术

在自媒体蓬勃发展的背景下，人们活跃在各种社交平台，能自由自在的在网络上进行观点输出，对商业产品、公共事件以及政府政策等事务发表自己的看法。在消息传播过程中，对他人的观点或行为具有极强领导力和影响力的人被称为意见领袖。挖掘出社交网络中的意见领袖并发挥他们的影响力，在商业、政治、社会等方面具有重要意义。因此，设计一种高效准确的意见领袖的挖掘算法是当前社交网络分析的研究重点之一。

在现有技术当中的意见领袖挖掘方法仍然存在很多技术缺陷，常见的有：

(1)基于评分规则的方法：利用社交平台中的用户信息(如帖子的发布数、转发数、点赞数等)构建用户影响力计算规则，然后计算每一个用户的影响力并排序，排名靠前的被视为意见领袖。该方法存在以下缺点：第一，由于只有少数用户是意见领袖，对社交网络中的用户进行无差别计算将浪费大量的时间，并对计算资源产生大量浪费；第二，不同社交网络蕴含的用户信息不同，针对某一社交网络设计的规则无法迁移到另一个社交网络中使用，迁移性差；第三，仅仅考虑了用户信息而没有考虑用户间的拓扑关系；第四，评分规则设计具有主观性。

(2)基于社交网络图的方法：将用户视为节点，将用户间的交互行为(如点赞、评论、转发帖子等)视为连接节点的边，进而构建出一个社交网络图，利用图中的节点重要性衡量指标来挖掘意见领袖。该方法的缺点为：只侧重从用户间拓扑关系挖掘意见领袖，没有考虑用户信息。

(3)基于影响传播模型的方法：该在社交网络图的基础上，构建影响传播模型，模拟消息的传播过程，使用一系列影响力最大化算法找出网络中影响范围最大的K个节点，从而挖掘出意见领袖。该方法为一种动态方法，以节点为单位模拟信息传播使得计算量随着网络规模的上升而剧增，故而无法适用于大型网络；同时，该方法也没有考虑社交网络中丰富的用户信息。

基于此，提出一种基于GraphSAGE的社交网络意见领袖挖掘方法来解决上述方法中存在的问题。

发明内容

本发明的目的在于提供一种基于GraphSAGE的社交网络意见领袖挖掘方法，其能够有效的提高社交网络中的意见领袖挖掘的准确率。

本发明是这样实现的：

第一方面，本申请实施例提供一种基于GraphSAGE的社交网络意见领袖挖掘方法，其包括以下步骤：

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。