[发明专利]一种基于信息融合的社交媒体用户账号分类方法

权利要求书

1.一种基于信息融合的社交媒体用户账号分类方法，其特征在于，包括以下步骤：

S1、输入社交媒体数据；

S2、从社交媒体数据中选取种子用户，获取种子用户的文本信息；

S3、进行文本预处理，提取出需要的节点信息；

S4、构建异质信息网络，将提取的节点信息进行融合，得到特征向量；构建的异质信息网络包含了三种类型的节点：

(1)用户账号节点U＝(u₁,u₂...u_w)，其中w表示用户账号的总个数；采取node2vec方法得到用户账号节点的特征向量u＝(k₁,k₂...k_m)，其中m表示向量的维度；

(2)Hashtag节点G，G＝(g₁,g₂...g_x)，其中x表示Hashtag的总个数；采用word2vec得到每一个Hahshtag词向量g＝(i₁,i₂...i_m)；

(3)命名实体NER节点N，N＝(n₁,n₂...n_y)，其中y表示NER的总个数；采用word2vec得到每一个NER词向量n＝(j₁,j₂...j_m)；

对于用户-用户的边连接关系，通过@关系列表、转发RT关系列表以及用户的好友关系，将种子用户集里的用户进行相互连接；对于用户-Hashtag和用户-NER，根据用户的文本中是否出现Hashtag与NER，来判断是否与用户账号连接，最终得到异质信息网络；

S5、利用异质信息网络构建图卷积注意网络，对社交媒体用户账号进行分类；包括以下子步骤：

S51、异质图卷积网络构建，对GCN网络进行改进，使其能用于异质网络；改进后网络中第l层与l+1层之间的传播规则如下：

T表示节点类型，是的子矩阵，它的行|V|表示所有节点个数，列|V_t|表示该节点的t类型邻居节点个数；H_t是不同节点类型的节点特征向量，W_t是不同节点类型下的权重变化矩阵，表示了输入特征与输出特征之间的关系；agg(·)表示一个聚合函数；σ(·)是激活函数；

S52、注意力机制的添加：给定一个节点v，用表示节点v的t类型邻居节点的集合，用表示节点v的t类型邻居节点对节点v的注意力影响分数：

其中，h_v表示节点v的特征向量，表示节点v的t类型邻居节点的特征向量，是在基础上归一化后的注意力分数，f(·)表示一个单层的前馈神经网络，用于计算两个节点之间注意力分数的函数，具体如下：

其中，||表示横向连接两个特征向量，是μ_t的转置，是神经网络中连接层与层之间的权重矩阵；

得到不同类型节点的注意力分数后，得到最终层与层之间的传播规则为：

S53、模型训练，经过L层的异质图卷积注意力网络后，得到节点的最终特征向量并通过softmax函数进行分类，具体如下：

其中C代表分类类别数，z_i表示计算得到的该节点属于i类别的概率，p_i表示softmax后该节点属于i类别的概率；得到预测结果后，通过交叉熵损失函数与梯度下降方法，来对权重矩阵W进行更新：

y_ij是节点i属于节点j类别的真实概率，p_ij是节点i属于节点j类别的预测概率，N是输入的用户账号节点个数，C是分类类别数。

2.根据权利要求1所述的一种基于信息融合的社交媒体用户账号分类方法，其特征在于，所述步骤S2中所述的种子用户是指与本文分类任务相关的主题性较强的用户；

通过以下步骤提取种子用户：

S21、通过主题关键词，从社交媒体官网上人工筛选一部分主题特性明显的用户构成用户集A；

S22、通过用户集A的社交关系得到另一批用户集B；

S23、删除用户集B中与用户集A交集的部分，得到最终用户集C，用户集C就是从社交媒体数据中提取的种子用户。

3.根据权利要求1所述的一种基于信息融合的社交媒体用户账号分类方法，其特征在于，所述步骤S3具体实现方法为：使用自然语言处理的方法对社交媒体数据中的文本数据进行分词、去噪、词性标注和命名实体识别；具体流程为：

S31、对文本进行分词处理，通过文本中的空格、换行符、标点作为分隔符，来对文本进行分词处理，得到一个由单词组成的列表；

S32、正则匹配去噪和提取信息，提取的信息包括Hashtag信息、转发RT信息、@用户信息；其中Hashtag信息是指分词后首部带有#符号的词；转发RT信息是指分词后首部带有RT符号的词；@用户信息是指分词后首部带有@符号的词；

S33、词性标注和命名实体识别；

通过上述的预处理流程，最后得到每条文本的Hashtag列表、命名实体列表，以及用户之间的@用户关系列表和转发RT关系列表。