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：重庆理工大学

摘要：本发明具体涉及基于原型感知双通道图神经网络的信息传播预测方法，包括：通过信息传播预测模型中输出用户参与目标级联转发的预测概率；模型处理步骤包括：通过级联超图学习用户和级联的整体表示；通过动态友谊转发图学习不同粒度的用户转发偏好；获取与目标级联相关的用户表示；获取与目标级联相关的用户特征表示；将目标级联的超图表示和动态表示进行融合；根据目标级联的用户表示序列从原型序列中选取最匹配的原型表示，并与用户表示序列进行融合生成原型增强后的目标级联用户表示，计算预测概率。本发明能够同时对用户动态偏好和级联之间的依赖关系进行建模，同时通过原型表示将学习到的级联表示有效地融入到每个用户表示中。

主权项：1.基于原型感知双通道图神经网络的信息传播预测方法，其特征在于，包括：S1：获取目标级联以及构建的动态友谊转发图和级联超图作为待预测信息；动态友谊转发图是一个可视化的图形，用于展示信息在社交网络中的传播路径和影响范围，反映信息在社交网络中的传播动态；其由节点和边组成，节点代表用户，边代表用户之间的互动关系；级联超图是一种用于表示复杂网络结构的数据结构，用于描述信息传播过程中的层次结构和因果关系，包含多个层次，每个层次都由多个节点和边组成，节点之间的关系用边来表示；S2：将待预测信息输入信息传播预测模型中，输出用户参与目标级联转发的预测概率；信息传播预测模型的处理步骤如下：S201：通过级联超图学习用户和级联的整体表示，生成用户表示序列和级联表示序列；S202：通过动态友谊转发图学习不同粒度的用户转发偏好，生成用户特征表示序列；S203：从用户表示序列中获取与目标级联相关的用户表示，生成目标级联的超图表示；S204：从用户特征表示序列中获取与目标级联相关的用户特征表示，生成目标级联的动态表示；S205：将目标级联的超图表示和动态表示进行融合，生成目标级联的用户表示序列；S206：根据级联表示序列生成原型序列，根据目标级联的用户表示序列从原型序列中选取最匹配的原型表示；S207：将目标级联的最匹配的原型表示与用户表示序列进行融合，生成原型增强后的目标级联用户表示；S208：通过原型增强后的目标级联用户表示计算用户参与目标级联转发的预测概率；S3：对所有用户参与目标级联转发的预测概率进行排序，进而确定目标级联传播的下一个目标用户。

全文数据：

权利要求：

百度查询： 重庆理工大学 基于原型感知双通道图神经网络的信息传播预测方法