公开(公告)号：CN117670572B

公开(公告)日：2024-05-03

申请号：CN202410145286.6

申请日：2024-02-02

Applicant: 南京财经大学

Inventor： 刘予飞 ,  黄健 ,  蒋玖川

IPC: G06Q50/00 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于图对比学习的社交行为预测方法、系统及产品，涉及社交行为预测领域。该方法包括：根据社交影响力网络确定网络结构特征、节点影响力特征以及网络固有特征；社交影响力网络是通过社交网络数据建立的；网络结构特征是通过图对比学习对社交影响力网络进行预训练得到的；节点影响力特征是通过图注意力机制聚合邻居节点的特征和行为状态得到的；网络固有特征是通过串联用户配置文件特征、社交影响力网络中的同质性特征以及完成社交行为时的节点特征得到的；拼接网络结构特征、节点影响力特征以及网络固有特征，生成输入层特征；将输入层特征初始化图神经网络，预测用户的社交行为。本发明理解行为规律，有效提高社交行为预测精度。

公开(公告)号：CN117670572A

公开(公告)日：2024-03-08

申请号：CN202410145286.6

申请日：2024-02-02

Applicant: 南京财经大学

Inventor： 刘予飞 ,  黄健 ,  蒋玖川

IPC: G06Q50/00 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于图对比学习的社交行为预测方法、系统及产品，涉及社交行为预测领域。该方法包括：根据社交影响力网络确定网络结构特征、节点影响力特征以及网络固有特征；社交影响力网络是通过社交网络数据建立的；网络结构特征是通过图对比学习对社交影响力网络进行预训练得到的；节点影响力特征是通过图注意力机制聚合邻居节点的特征和行为状态得到的；网络固有特征是通过串联用户配置文件特征、社交影响力网络中的同质性特征以及完成社交行为时的节点特征得到的；拼接网络结构特征、节点影响力特征以及网络固有特征，生成输入层特征；将输入层特征初始化图神经网络，预测用户的社交行为。本发明理解行为规律，有效提高社交行为预测精度。