【技术实现步骤摘要】
基于图神经网络的交互式社区搜索方法及装置
本专利技术属于信息
，尤其涉及一种基于图神经网络的交互式社区搜索方法及装置。
技术介绍
社区搜索是网络分析的重要工具，在线上社交网络中搜索一个包含给定查询节点的社区，在推荐、团队组织等方面有着广泛的应用。它的目标是寻找包含查询节点的密集连通子图。发现的社区可以作为一个有效的候选集，用于如商品/朋友推荐、非法组织发现等应用。虽然这个问题已经得到了很好的研究，但目前的方法在应用于现实社会网络时仍面临挑战。首先，几乎所有这些方法都假设数据已经被抓取过，它们只对收集到的数据进行分析。但是，我们不能将数据抓取和社区搜索清晰地分开。每天在网络上都会出现大量新活跃账户和信息，如果不控制收集政策，网络爬虫会发现大量的无关紧要的数据，带来不必要的存储、网络传输、计算等资源消耗。其次，现有的方法大部分利用规则度量社区成员，有些社区结构关系较为紧密，现有的社区搜索模型(例如文献XinHuang,HongCheng,LuQin,WentaoTian,andJeffreyXuYu.201...
【技术保护点】
1.一种基于图神经网络的交互式社区搜索方法，其步骤包括：/n1)通过用户的查询节点和标记节点，从在线社交网络中构造给定候选子图G
【技术特征摘要】
1.一种基于图神经网络的交互式社区搜索方法，其步骤包括：
1)通过用户的查询节点和标记节点，从在线社交网络中构造给定候选子图GS；
2)通过给定候选子图GS的各节点构建邻接矩阵A，依据给定候选子图各样本正节点u的内容特征及预训练好的嵌入集D，构建内容特征矩阵FM，并通过交叉熵与排序损失相结合的方式作为损失函数，构造图神经网络模型M＝(A，FM，W)，其中A为邻接矩阵，W为参数矩阵；
3)对图神经网络模型M进行收敛，得到各节点的图神经网络分数，并依据图神经网络分数，更新给定候选子图GS；
4)依据更新后的给定候选子图及设定社区大小k，通过保证社区连通且社区中节点分数尽可能大，选取大小为k的最终目标社区。
2.如权利要求1所述的方法，其特征在于，构造给定候选子图GS的方法包括：局部边缘增强的广度优先搜索策略或广度优先搜索。
3.如权利要求2所述的方法，其特征在于，依据局部边缘增强的广度优先搜索策略，通过以下步骤构造给定候选子图：
1)每轮迭代前，查找先前候选子图GB，其中若未查找先前候选子图GB，则先前候选子图GB为空；
2)依据先前候选子图GB＝(VB，EB，FB)与正样本集合Sp，计算节点集合VS＝Sp∪VB、边集合ES＝EB及节点内容特征集合FS＝FB，其中，VB、EB与FB分别为先前候选子图GB的节点集合、边集合与节点内容特征集合，样本节点集合S包括：正样本集合Sp和标记负节点集合Sn，正样本集合Sp包括标记正节点集合和查询节点；
3)对节点集合VS中每一节点u，获得与节点u连边的节点集合N及节点u的新发布信息，将节点u的新发布信息特征加入节点内容特征集合FS中，更新节点内容特征集合FS，并继续更新节点集合VS与边集合ES，其中若节点u∈Sp且节点v∈N，则节点集合VS←VS+{v}及边集合ES←ES+{(u，v)}；若节点且v∈N∧v∈VS，则节点集合VS不变，边集合ES←ES+{(u，v)}；
4)根据更新后的节点集合VS、边集合ES与节点内容特征集合FS，构造给定候选子图GS＝(VS，ES，FS)，其中将当前候选子图GS保存以用于下次迭代。
4.如权利要求1所述的方法，其特征在于，损失函数Lossa＝Lossc+λLossr，其中交叉熵损失函数排名损失函数λ为权重参数，S为样本节点集合，uS.y为节点uS的标记结果，P[uS]为节点uS的图神经网络分数，R为用户标记的一组排序节点对，(uR，vR)∈R代表u获得比v更高的图神经网络分数，v为社区网络的一节点，m∈[0，1]是允许排序误差的容忍度。
5.如权利要求1所述的方法，其特征在于，构造图神经网络模型M的方法包括：利用图卷积神经网络G...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。