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：南开大学

摘要：本发明公开了一种基于谱域图神经网络的用户异常评论检测方法。首先根据用户评论网络定义定点、顶点的特征矩阵X和边，进而建立用户评论图数据；再分别为每个顶点找到与其特征最相似的k个邻居以及特征最不相似的k个邻居，分别构建出KNN图和KFN图；再通过谱域图神经网络来学习顶点在三张图中的向量表示；再将三种顶点向量表示使用注意力机制进行聚合，再利用聚合后的特征来识别异常评论；再使用损失函数训练模型，当某次迭代的预测类别的准确率在验证集上存在提升时，就使用最新的顶点向量表示更新KNN图和KFN图，直至模型收敛。本发明不受异常类型限制，具有通用性，可以自适应地识别异常顶点，大大提高异常检测能力。

主权项：1.一种基于谱域图神经网络的用户异常评论检测方法，其特征在于，该方法包括以下步骤：步骤1、对输入数据进行预处理：将用户的评论建模为顶点；将评论内容和用户本身的统计信息建模为特征向量，进而得到顶点的特征矩阵X；根据评论之间的交互关系建立评论对应的顶点之间的边；顶点、特征矩阵X和边构成用户评论图数据；再将用户评论图数据中所有的顶点划分为训练集、验证集和测试集；步骤2、利用步骤1的顶点的特征矩阵X，分别为每个顶点找到与其特征最相似的k个邻居以及特征最不相似的k个邻居，再根据特征最相似的k个邻居构建出KNN图以及根据特征最不相似的k个邻居构建出KFN图；KNN图表示近邻图；KFN图表示远邻图；步骤3、通过谱域图神经网络来学习顶点的向量表示：分别在用户评论图数据中使用修正后的带通滤波器、在KNN图中使用修正后的低通滤波器以及在KFN图中使用修正后的高通滤波器来学习顶点在用户评论图数据、KNN图和KFN图这三张图中的向量表示；步骤4、将步骤3得到的三种顶点向量表示使用注意力机制进行聚合，得到聚合后的顶点向量表示Z；步骤5、利用步骤4得到的聚合后的顶点向量表示Z，对训练集中所有顶点的真实类别Y进行预测来识别异常顶点，再采用损失函数对模型进行一次迭代；然后判断在验证集上预测类别的准确率是否存在提升：当没有提升时，返回步骤3；当有提升时，返回步骤2，利用本次迭代中在步骤4得到的聚合后的顶点向量Z来重新计算步骤2的KNN图和KFN图；直至模型收敛，然后预测步骤1得到的用户评论图数据的测试集中的顶点的类别。

全文数据：

权利要求：

百度查询： 南开大学 基于谱域图神经网络的用户异常评论检测方法