[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

说明书

本发明提出一种基于图表示学习的多视角个体观点预测方法，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。本发明还提出一种基于图表示学习的多视角个体观点预测系统，以及一种用于多视角个体观点预测的数据处理装置。

技术领域

本发明涉及知识图谱领域，特别是涉及一种个体用户观点预测的方法及系统。

背景技术

随着Web2.0技术的迅猛发展，Facebook、Twitter、微信、微博、豆瓣等社交平台的涌现，大数据时代来临，互联网成为继报纸、广播和电视之后的“第四媒体”。互联网的发展促进了大量用户数据的产生。这些海量的数据中包含用户对各个话题的直接评论，也包含用户浏览、点赞、转发等不直接表达观点倾向的行为，这些数据或直接或间接地表现了用户对不同对象的观点倾向。从这些数据中获取到用户的观点，并从这些数据中挖掘出有价值的信息，不仅可以帮助政府了解民生、制定合理的政策，也可以帮助各大公司对产品进行监控，出现问题时迅速改正，有着现实的应用价值。

现有的个体观点预测方法大体上可以分为两类，基于观点演化规则的个体观点预测方法和基于图表示学习的个体观点预测方法。基于观点演化规则的个体观点预测方法根据社会学理论，人为制定观点间的交互规则，从而预测观点的演化。基于图表示学习的个体观点预测方法使用图表示学习模型建模观点持有者和观点对象，得到观点持有者和对象的向量表示，然后使用分类器进行预测。

基于观点演化规则的个体观点预测方法根据社会学理论，人为制定观点间的交互影响及演化规则，然后基于已有个体观点数据，在给定的观点网络结构模拟观点的演化，从而预测个体观点。Sznajd等人提出Sznajd模型，这个模型的核心思想是两个人说服比一个人说服更有效果，每个个体的观点是由其周围邻居来决定的。这个模型定义个体间的简单交互规则，认为个体间的交互行为使得个体容易受他人影响，因此在交互过程中个体会完全抛弃自我观点，而选择完全采纳其他个体的观点。Ochrombel等人改进了该模型，在Sznajd模型的基础上加入意见领袖的概念，意见领袖可以完全改变其他个体的观点，并能保持自身观点不变。Toscani等人利用Sznajd模型分析了个体观点变化的因素和全局观点同化的规则。

Deffuant模型将个体观点交互设计为随机过程，即对随机抽取的两个个体的观点进行比较，若观点差值小于某一设定的阈值，则这两个个体进行交互，否则不进行交互。HK模型考虑到个体观点通常受到多个个体观点的影响，因此在遍历个体所有邻居节点的观点之后，会选择满足阈值范围的邻居观点的均值进行交互。

Bu等人提出GK-means模型，使用启发式方法识别网络中的意见领袖，然后采用动态博弈模型进行社区识别，在社区内部采用基于LHN指数的意见动态模型模拟意见矩阵的演变。He等人提出DOMF模型，该模型基于观点最大化的思想，首先使用Q-learning理论在每个阶段动态生成节点的观点，然后使用多阶段启发式模型选择种子节点，根据观点传播预测观点的演化。

基于图表示学习的个体观点预测方法将用户和观点对象看作图上的节点，观点看作图上的边，边的正负极性与观点的极性相同。这类方法根据结构平衡、社会地位等社会学理论定义模型目标函数，在由用户观点构成的网络上使用图表示学习模型进行用户建模，最后使用分类器进行观点预测。

Cartwright等人将平衡理论由三元闭包扩展到任意环路中，只要环路中负边的个数为偶数，该环路就是平衡的，若负边个数为奇数，那么该环路是不平衡的，其中的观点会发生改变。Cygan等人对平衡理论进行了一般化，用户与积极观点的对象更相似，与消极观点的对象更有区分度。社会地位理论一般用于有向网络，网络中每个人都有相应的社会地位，每个人会向社会地位更高的人产生正向边，向社会地位低的人产生负边。