[发明专利]一种基于网络表示学习的深暗网群体发现方法

权利要求书

1.一种基于网络表示学习的深暗网群体发现方法，其步骤包括：

1)获取深暗网中的用户、消息、群组，从每条消息中挖掘出敏感实体，以及基于消息数据利用主题建模模型挖掘出主题实体；然后将所得用户、群组、消息、主题实体和敏感实体分别作为所述深暗网异质信息网络中的节点；然后根据各节点之间的关系在对应节点之间建立边连接，生成深暗网异质信息网络；所述关系包含用户与群组之间的从属关系、用户与消息之间的发布关系、消息与消息之间的转发关系、用户与主题之间的讨论关系和消息与敏感实体之间的包含关系；

2)从所述深暗网异质信息网络中抽取多条元路径；不同元路径从不同的角度描述用户间的复杂关系；基于每一元路径构建一单视图用户属性图，并生成每一单视图用户属性图的属性特征矩阵；所述单视图用户属性图中的节点为用户，边为基于元路径的复杂关系；

3)利用自动编码器的编码器对每一单视图用户属性图的属性特征矩阵、网络结构矩阵进行编码，得到一用户低维向量表示；然后自动编码器的解码器对每一用户低维向量表示进行解码重建对应的网络结构矩阵和属性特征矩阵；

4)选择注意力机制对所得各用户低维向量表示进行融合，生成统一全面的用户表示；

5)对步骤4)所得用户表示输入基于KL散度的自监督聚类模块，得到每一用户的软标签分布；

6)基于目标函数对所述自动编码器、基于KL散度的自监督聚类模块进行优化；其中，γ是平衡系数，m为单视图用户属性图的个数，聚类损失函数L_c＝KL(E||H)，H是聚类的软标签分布，E是基于H的目标分布；第m个单视图用户属性图G^m对应的属性特征矩阵为X、网络结构矩阵为A^m，对应的用户低维向量表示为Z^m；基于Z^m使用内积方法重建G^m对应的网络结构矩阵基于Z^m、使用反卷积方法重建G^m对应的属性特征矩阵G^m对应的优化所述自动编码器的损失函数为交叉熵函数均方误差

7)对于一目标深暗网，生成该目标深暗网对应的多个单视图用户属性图；利用优化后的所述自动编码器的编码器对每一单视图用户属性图的属性特征矩阵、网络结构矩阵进行编码，得到一用户低维向量表示并将其输入优化后的所述基于KL散度的自监督聚类模块，得到每一用户的软标签分布。

2.根据权利要求1所述的方法，其特征在于，所述单视图用户属性图的网络结构采用邻接矩阵表达，第m个单视图用户属性图G^m的邻接矩阵若单视图用户属性图G^m中用户间有边，则否则设N为单视图用户属性图G^m中的用户数量，则单视图用户属性图G^m的属性特征矩阵为其中是拼接操作，u_N是第N个用户的属性特征向量。

3.根据权利要求2所述的方法，其特征在于，使用图卷积神经网络GCN来聚合邻居信息以得到低维向量表示重建的属性特征矩阵其中，I_N是单位矩阵，是的度矩阵，W表示图卷积神经网络GCN的参数矩阵，W_g为反卷积层中训练的参数矩阵，

δ是解码器的激活函数。

4.根据权利要求2所述的方法，其特征在于，统一全面的用户表示其中，表示节点i在第k个单视图用户属性图下的嵌入表示，节点i在第k个单视图用户属性图下的注意力权重为ω_k是第k个单视图用户属性图下的注意力向量，是节点i在所有单视图用户属性图下的向量拼接表示。

5.根据权利要求4所述的方法，其特征在于，聚类损失

其中，h_ij是Z_i与群体中心μ_j间的相似性，h_ik是Z_i与群体中心μ_k间的相似性。

6.根据权利要求2所述的方法，其特征在于，所述属性特征向量中的信息包括用户群组个数、消息总数、消息平均长度、消息总长度。