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！

龙图腾网恭喜广州大学申请的专利基于上下文路径的在线社交网络用户表示方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117540232B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311176802.3，技术领域涉及：G06F18/23213；该发明授权基于上下文路径的在线社交网络用户表示方法及装置是由李树栋;黄兹勤;吴晓波;韩伟红;黄小慧;李雪斌;陈昭阳;杨鹏伟;唐可可;张登辉设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本基于上下文路径的在线社交网络用户表示方法及装置在说明书摘要公布了：本发明公开了一种基于上下文路径的在线社交网络用户表示方法及装置，包括：利用用户与网络数据，提取特征并获取节点向量与在线社交网络异质图；构建在线社交网络用户表示模型，在异质图上采用基于上下文路径游走的方式，捕捉异质图中不同节点之间隐藏的高阶关系；利用图编码器处理节点向量并引入注意力机制得到用户节点的向量表示并对用户进行聚类。本发明提供了一种新的网络用户的分类方法，避免了需要专业人员定义元路径的问题和不同长度的上下文路径和关系出现相同的权重问题，能够学习到更为有效的节点向量，提高了模型的鲁棒性。

本发明授权基于上下文路径的在线社交网络用户表示方法及装置在权利要求书中公布了：1.基于上下文路径的在线社交网络用户表示方法，其特征在于，包括下述步骤：利用用户与网络数据，提取特征并获取节点向量与在线社交网络异质图；所述用户与网络数据包括用户属性数据，用户推文数据及用户的静态关注网络数据；所述节点向量包括基于用户属性特征向量和推文特征向量；所述在线社交网络异质图以用户节点为主要节点，以推文节点为辅助节点；所述利用用户与网络数据，提取特征并获取节点向量与在线社交网络异质图，具体为：所述用户的静态关注网络数据包括用户账号ID与其关注的所有账号ID；所述用户与网络数据还包括用户与推文关系的数据集；利用用户属性数据，提取并横向拼接融合用户属性特征，获取基于用户属性特征向量；采用词频-逆文档频率对用户推文数据进行处理，提取每个推文的特征，获取推文特征向量；基于用户的静态关注网络数据，将用户账号ID作为在线社交网络异质图的用户节点；将用户推文数据中原始推文ID，映射到范围从0开始的索引，作为在线社交网络异质图的辅助节点；基于用户节点和辅助节点之间以及辅助节点和辅助节点之间的边构造在线社交网络异质图；构建在线社交网络用户表示模型，根据给定的上下文路径长度，计算上下文路径概率，迭代地在在线社交网络异质图中两个主要节点之间采用游走策略进行游走，捕捉主要节点在给定上下文路径长度范围内的辅助节点，生成主图和辅助图，并将主图和辅助图嵌入在线社交网络用户表示模型，然后训练在线社交网络用户表示模型；利用图编码器处理节点，将嵌入的主图与辅助图映射成形式统一的summaryvector，然后对summaryvector实行节点剔除机制，并计算注意力得分训练在线社交网络用户表示模型，经过迭代获得上下文路径信息；利用训练好的在线社交网络用户表示模型，将上下文路径信息进行按比例拼接处理，得到用户节点的表示向量并对用户进行聚类；所述对summaryvector实行节点剔除机制，并计算注意力得分训练在线社交网络用户表示模型，具体为：对于从未发过推文或毫无个人信息的用户节点进行剔除，公式如下，G′＝NodeDropoutGh＝MeanC其中C表示图G′中所有节点的上下文信息向量的集合，G表示输入的原始图，h表示summaryvector；在得到每个图的summaryvector之后，在第l层中，计算每个关系rsT的第h-head注意力得分即 其中S和T分别代表关系rST中的源节点和目标节点类型，和分别表示GS和GT在l层的图的summaryvector，和是第l-1层的上下文信息向量，表示对经过线性变换所得到的查询向量，表示对经过线性变换所得到的查询向量键向量，和表示线性投影函数，将summaryvector映射到多头注意力中的键向量和查询向量；表示关系rST在l层头部的注意力权重；GS表示为节点类型为S所构成的图，GT表示节点类型T为所构成的图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。