[发明专利]基于图表示学习的多视角个体观点预测方法及系统

权利要求书

1.一种基于图表示学习的多视角个体观点预测方法，其特征在于，包括：

分别构建观点持有者的背景知识图谱、交互行为网络和观点网络；以该观点持有者、目标观点对象和观点生成时刻为要素，构建观点预测任务的目标三元组；

从该背景知识图谱、该交互行为网络和该观点网络，分别获取该观点持有者的知识向量、交互行为向量和观点向量；

将该知识向量、该交互行为向量和该观点向量通过分类器，输出该目标三元组对应的观点预测结果。

2.如权利要求1所述的多视角个体观点预测方法，其特征在于，对于该目标三元组(u,v,t)，将该知识向量Emb_KG(u,v,t)、该交互行为向量Emb_IN(u,v,t)和该观点向量Emb_ON(u,v,t)进行均匀池化，得到最终三元组表示向量Emb(u,v,t)，将Emb(u,v,t)输入该分类器进行观点预测，以得到的观点极性s作为该观点预测结果；其中，u表示该观点持有者，v表示该目标观点对象，t表示该观点生成时刻，当s＝0时表示u对v持有负面观点，当s＝1时表示u对v持有正面观点。

3.如权利要求2所述的多视角个体观点预测方法，其特征在于，使用L层的图注意力网络作为知识图谱编码器Encoder_KG，编码该背景知识图谱具有知识图谱三元组(u,v,r)，表示u与v之间存在关系r；

获取Emb_KG(u,v,t)的步骤包括：通过Encoder_KG，从学习该观点持有者的背景知识信息，并获取Emb_KG(u,v,t)；其中，从中随机抽取多个知识图谱三元组作为正样本，并随机生成相同数量个不存在于中且与该知识图谱三元组具有相同结构的三元组作为负样本；以该正样本和该负样本训练Encoder_KG，并使用交叉熵作为目标函数L_KG。

4.如权利要求2所述的多视角个体观点预测方法，其特征在于，使用拓扑时序编码模型作为交互网络编码器Encoder_IN，编码该交互行为网络具有交互行为三元组(u,v,t)，表示u与v在t时刻发生了交互行为；

获取Emb_IN(u,v,t)的步骤包括：通过Encoder_IN，从学习该观点持有者的动态行为信息，并获取Emb_IN(u,v,t)；其中，从中随机抽取多个交互行为三元组作为正样本，并随机生成相同数量个不存在于中且与该交互行为三元组具有相同结构的三元组作为负样本；以该正样本和该负样本训练Encoder_IN，并使用交叉熵作为目标函数L_IN。

5.如权利要求2所述的多视角个体观点预测方法，其特征在于，使用拓扑时序编码模型作为观点网络编码器Encoder_ON，编码该观点网络具有观点四元组(u,v,s,t)，表示u在t时刻对v的观点是s；

获取Emb_ON(u,v,t)的步骤包括：通过Encoder_ON，从学习该观点持有者的观点信息，并获取Emb_ON(u,v,t)；其中，从中随机抽取多个正面观点四元组作为正样本，及等量个负面观点四元组作为负样本；以该正样本和该负样本训练Encoder_ON，并使用交叉熵作为目标函数L_ON。