买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国船舶重工集团公司第七0九研究所

摘要：本发明公开了一种基于注意力图神经网络的隐藏社群属性获取方法：将用户社交媒体数据词汇库中的所有词汇通过词向量模型Word2vec网络学习得到所有词的嵌入表征向量；通过对用户社交媒体数据词汇的嵌入表征向量归一化加权，基于前向全连接网络的目标嵌入层得到目标用户的嵌入表征；基于用户社交网络和社交活动信息生成目标用户的邻居用户的嵌入表征，根据邻居用户的嵌入表征计算权重社交矩阵；根据权重社交矩阵训练社交热度加权的注意力图神经网络，并利用注意力图神经网络和目标用户的嵌入表征生成目标用户的隐藏社群属性分类结果。本发明还提供了相应的基于注意力图神经网络的隐藏社群属性获取系统。

主权项：1.一种基于注意力图神经网络的隐藏社群属性获取方法，其特征在于，包括：步骤S1：将用户社交媒体数据词汇库中的所有词汇通过词向量模型Word2vec网络学习得到所有词的嵌入表征向量；所述步骤S1包括：已知包含所有用户的社交媒体数据集合形成的用户社交媒体数据词汇库为，其中代表词汇库中第个词的one-hot编码，变量表示词汇库中不同词汇的个数，对于中词汇，通过Word2vec网络学习嵌入表征向量，根据文本内容集合来向量化词汇库中的词，其中每个表示第个词的词汇嵌入表征，是经过网络学习后每个词的向量维度；步骤S2：通过对用户社交媒体数据词汇的嵌入表征向量归一化加权，基于前向全连接网络的目标嵌入层得到目标用户的嵌入表征；所述步骤S2包括：得到所有词的嵌入表征向量之后，由于进行隐藏社群属性分析的基本对象是用户，需要将词汇嵌入表征转换为目标用户嵌入表征，才能让后续注意力图神经网络能够以目标用户为对象进行分析，为此基于前向全连接网络的目标嵌入层将所有词的词汇嵌入表征通过全连接的形式转为目标用户的嵌入表征，其中表示目标用户个数，代表第个目标用户的嵌入表征；所述步骤S2具体为：对于目标用户，与目标用户在同一条社交媒体内容中共现过的所有词汇形成该用户的表征词汇集合，记为，其中每一个属于，对于一个目标用户而言，其对应的表征词汇集合的元素个数不会超过的大小，记录这些词汇的位置和距目标用户的文本距离，按照中所有词汇与目标用户在文本数据中的距离，归一化后赋予不同的权重{}，形成作为一个目标用户的嵌入表征；步骤S3：基于用户社交网络和社交活动信息生成目标用户的邻居用户的嵌入表征，根据邻居用户的嵌入表征计算权重社交矩阵；所述步骤S3包括：对目标用户的各种社交关系转化为权重参数；度量目标用户和其邻居用户之间的社交热度，社交热度系数由目标用户和其邻居用户之间的社交次数、社交行为类别计算得出；对每个用户重复上述过程，得到任意两个用户之间的邻接权重，不存在社交关系的用户之间；将所有个用户之间的邻接权重记录为权重社交矩阵，其中表示用户和用户之间的社交权重参数；所述对目标用户的各种社交关系转化为权重参数，具体为：记录目标用户产生社交关系的邻居用户，这些用户存在关注、点赞、转发、评论社交行为，记目标用户的邻居用户集合为，对中每一个邻居用户，得到目标用户的嵌入表征和这些邻居用户的嵌入表征，计算用户和邻居用户集合中每个邻居用户的余弦相似度：；所述度量目标用户和其邻居用户之间的社交热度，具体为：记，其中为一个加权值，对用户之间的社交次数和社交行为类别进行融合，表示目标用户和其每个邻居用户社交行为类别的权重，记录了对应社交行为类别的次数，由此计算得到目标用户和其所有邻居用户之间的邻接权重；步骤S4：根据权重社交矩阵训练社交热度加权的注意力图神经网络，并利用注意力图神经网络和目标用户的嵌入表征生成目标用户的隐藏社群属性分类结果；所述步骤S4中训练注意力图神经网络包括：计算目标用户和其邻居用户之间的相似系数：，其中，和是需要学习的参数，是神经网络中的共享参数矩阵，为注意力计算函数，表示目标用户和其邻居用户之间的社交权重参数，通过对进行softmax处理得到目标用户和任意用户之间的注意力系数；训练学习到和后，根据基于和计算的注意力系数对所有用户嵌入表征加权求和得到目标用户的融合嵌入表征，其中遍历；训练前向传播网络，输入目标用户的融合嵌入表征和目标用户的社群属性向量，社群属性向量由已知信息得到，为社群属性类别总数，当目标用户具备某社群属性时，否则为0。

全文数据：

权利要求：

百度查询： 中国船舶重工集团公司第七0九研究所 基于注意力图神经网络的隐藏社群属性获取方法与系统