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：北京邮电大学

摘要：本发明提供一种基于联邦图神经网络的虚假评论检测模型训练方法、检测方法及设备，包括：获取包含用户、商品及相关评论的本地数据集；获取初始图神经网络；将本地数据集输入模型以提取特征，采用GraphSage算法将评论特征聚合其邻居用户节点、商品节点对应的特征，得到聚合评论特征；根据不同元路径构建评论节点的同质图，采用图卷积神经网络聚合图中评论节点的特征，基于注意力机制融合多张同质图的评论特征，得到融合评论特征；拼接聚合评论特征和融合评论特征，得到最终特征，以对各评论进行预测；对初始图神经网络模型进行联邦训练，以得到最终的虚假评论检测模型。本发明提供的虚假评论检测模型训练简单、特征表示能力强、检测精度高。

主权项：1.一种基于联邦图神经网络的虚假评论检测模型训练方法，其特征在于，所述方法在各客户端执行，各客户端包含对齐的用户实体和商品实体，包括以下步骤：获取本地数据集，所述本地数据集包含多个用户对多个商品的评论；为所述本地数据集中各用户对相应商品的评论是否虚假标注标签；获取初始神经网络模型；所述初始神经网络模型基于图神经网络，包括GraphSage网络和图卷积神经网络；将所述本地数据集输入所述初始神经网络模型，对用户节点、商品节点和评论节点进行特征提取，得到第一用户特征、第一商品特征和第一评论特征；采用差分隐私的方式与其他客户端互相交换提取的第一用户特征和第一商品特征，以增强特征表示，得到第二用户特征和第二商品特征；采用GraphSage算法将所述第一评论特征聚合其邻居用户节点、邻居商品节点对应的第二用户特征和第二商品特征，得到聚合评论特征；将所述本地数据集通过预设数量个不同元路径构建出预设数量张评论节点的同质图；在每张同质图中，采用所述图卷积神经网络聚合所述评论节点的特征，得到第二评论特征；基于注意力机制融合多张同质图得到的第二评论特征，得到融合评论特征；将所述聚合评论特征与所述融合评论特征进行拼接，得到最终特征向量；将每一条评论的最终特征向量输入预设分类器中，得到每一条评论的预测结果；在一轮训练中，采用所述本地数据集对所述初始神经网络模型进行训练，构建所述标签和所述预测结果之间的损失函数，利用所述损失函数对所述初始神经网络模型的参数进行迭代，得到初始检测模型；采用差分隐私的方式将所述初始检测模型的参数上传至中央服务器，生成共享模型；所述共享模型由所述中央服务器根据各客户端初始检测模型的参数聚合得到；接收所述共享模型的参数，以更新所述初始检测模型，并进行下一轮重复训练，直至所述初始检测模型满足预设要求，得到最终的虚假评论检测模型。

全文数据：

权利要求：

百度查询： 北京邮电大学 基于联邦图神经网络的虚假评论检测模型训练方法、检测方法及设备