公开(公告)号：CN110147911A

公开(公告)日：2019-08-20

申请号：CN201910452492.0

申请日：2019-05-28

Applicant: 吉林大学

Inventor： 黄晶 ,  杨博 ,  段明月 ,  左祥麟

IPC: G06Q10/04 ,  G06Q50/00 ,  G06N3/04

Abstract: 本发明公开了一种基于内容感知的社交影响力预测模型及预测方法，涉及社交网络分析领域，包括：使用图卷积网络对网络节点进行特征表示，使用长短期记忆网络(LSTM)对每个节点对应的社交媒体内容进行表示，使用结合社交媒体内容的RN模型对节点和社交媒体内容的特征向量表示进行融合并进行推理计算，将上述得到的output和真实的label进行对比，从而优化目标函数。本发明使用图卷积网络对网络节点进行特征表示，一方面可以更好地集成节点的属性信息，另一方面还可以对网络中的新节点进行预测；同时在建模时考虑了社交媒体的内容信息，将样本按照社交媒体内容进行正负样本划分，有效缓解稀疏的观测数据给进行深入研究带来的问题。

公开(公告)号：CN110147911B

公开(公告)日：2022-09-09

申请号：CN201910452492.0

申请日：2019-05-28

Applicant: 吉林大学

Inventor： 黄晶 ,  杨博 ,  段明月 ,  左祥麟

IPC: G06Q10/04 ,  G06Q50/00 ,  G06N3/04

Abstract: 本发明公开了一种基于内容感知的社交影响力预测模型及预测方法，涉及社交网络分析领域，包括：使用图卷积网络对网络节点进行特征表示，使用长短期记忆网络(LSTM)对每个节点对应的社交媒体内容进行表示，使用结合社交媒体内容的RN模型对节点和社交媒体内容的特征向量表示进行融合并进行推理计算，将上述得到的output和真实的label进行对比，从而优化目标函数。本发明使用图卷积网络对网络节点进行特征表示，一方面可以更好地集成节点的属性信息，另一方面还可以对网络中的新节点进行预测；同时在建模时考虑了社交媒体的内容信息，将样本按照社交媒体内容进行正负样本划分，有效缓解稀疏的观测数据给进行深入研究带来的问题。