面向用户隐私保护的异构网络图链接预测方法及相关设备技术

本发明专利技术公开了一种面向用户隐私保护的异构网络图链接预测方法及相关设备，应用于数据处理技术领域，用于向用户进行项目推荐时，提高用户数据的安全性。本发明专利技术提供的方法包括：获取用户项目数据，根据所述用户项目数据构建异构图网络，基于图神经网络提取用户节点特征，得到用户节点表示信息，并对所述用户节点表示信息进行噪声处理，得到用户节点隐私信息；关系图卷积神经网络学习项目节点特征，得到用户项目节点表示信息；通过链接预测方式，对所述用户项目节点表示信息进行链接关系预测，得到用户节点和项目节点之间的潜在链接关系；基于所述潜在链接关系，向所述用户节点推荐对应的项目节点中的项目信息。荐对应的项目节点中的项目信息。荐对应的项目节点中的项目信息。

【技术实现步骤摘要】
面向用户隐私保护的异构网络图链接预测方法及相关设备


[0001]本专利技术涉及数据处理
，尤其涉及一种面向用户隐私保护的异构网络图预测方法及相关设备。

技术介绍

[0002]图形神经网络是一种基于深度学习的图表示技术，能够很好地表示复杂的社交网络关系，通过图形神经网络构建社交网络中的关系图，通过节点与节点之间的关系构成表示社交关系的图网络。通过图网络可以更好的学习到节点之间的特征表示，能够帮助推荐系统获取用户的潜在兴趣，从而提高对用户进行信息推荐的准确性。
[0003]然而，通过图卷积神经网络对图网络进行训练时，以生成表示用户潜在关系的图网络时，图网络中的节点的特征向量中存在敏感数据，并且存在泄漏用户隐私的风险，不能保证用户隐私数据的安全性。

技术实现思路

[0004]本专利技术提供一种面向用户隐私保护的异构网络图链接预测方法及相关设备，以在对用户进行推荐时，提高用户的数据安全。
[0005]一种面向用户隐私保护的异构网络图链接预测方法，包括：获取用户项目数据，根据所述用户项目数据构建异构图网络，其中，所述异构图网络包括用户信任关系图和与用户项目关系图；基于图神经网络对所述用户信任关系图进行节点特征提取，得到用户节点表示信息，并对所述用户节点表示信息进行噪声处理，得到用户节点隐私信息，其中，所述用户节点隐私信息中包括隐私节点信息；基于所述用户节点隐私信息中的所述隐私节点信息，得到所述用户项目关系图的更新用户节点，并基于关系图卷积神经网络对所述用户项目关系图进行节点特征学习，得到用户项目节点表示信息；通过链接预测方式，对所述用户项目节点表示信息进行链接关系预测，得到更新用户节点和项目节点之间的潜在链接关系；基于所述潜在链接关系，向所述更新用户节点推荐对应的项目节点中的项目信息。
[0006]一种面向用户隐私保护的异构网络图链接预测装置，包括：异构图构建模块，用于获取用户项目数据，根据所述用户项目数据构建异构图网络，其中，所述异构图网络包括用户信任关系图和与用户项目关系图；隐私处理模块，用于基于图神经网络对所述用户信任关系图进行节点特征提取，得到用户节点表示信息，并对所述用户节点表示信息进行噪声处理，得到用户节点隐私信息，其中，所述用户节点隐私信息中包括隐私节点信息；项目节点表示模块，用于基于所述用户节点隐私信息中的所述隐私节点信息，得
到所述用户项目关系图的更新用户节点，并基于关系图卷积神经网络对所述用户项目关系图进行节点特征学习，得到用户项目节点表示信息；链接预测模块，用于通过链接预测方式，对所述用户项目节点表示信息进行链接关系预测，得到更新用户节点和项目节点之间的潜在链接关系；项目推荐模块，用于基于所述潜在链接关系，向所述更新用户节点推荐对应的项目节点中的项目信息。
[0007]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述面向用户隐私保护的异构网络图链接预测方法的步骤。
[0008]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述面向用户隐私保护的异构网络图链接预测方法的步骤。
[0009]本专利技术提供的面向用户隐私保护的异构网络图链接预测方法、装置、计算机设备及存储介质，通过获取用户项目数据，根据用户项目数据构建异构图网络，并根据异构图网络生成用户节点表示信息和项目节点信息，并对用户节点表示信息进行噪声处理，用以起到保护用户数据的作用，得到用户节点隐私信息，根据用户节点隐私信息和项目节点信息，基于链接预测方式，得到用户节点和项目节点的潜在链接关系，基于潜在链接关系，向用户进行项目推荐，在此过程中，通过向用户节点信息添加噪声，保护用户节点信息中的向量表示信息，从而保证了用户节点数据的隐私性，进一步的，根据链接预测方法得到的潜在链接关系，对用户实现推荐的同时，能够保障用户的隐私安全。
附图说明
[0010]为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本专利技术一实施例中面向用户隐私保护的异构网络图链接预测方法的一应用环境示意图；图2是本专利技术一实施例中面向用户隐私保护的异构网络图链接预测方法的一流程图；图3是本专利技术一实施例中面向用户隐私保护的异构网络图链接预测装置的结构示意图；图4是本专利技术一实施例中计算机设备的一示意图。
具体实施方式
[0012]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0013]本专利技术实施例提供的面向用户隐私保护的异构网络图链接预测方法，可应用在如
图1的应用环境中，其中，终端设备通过网络与服务器进行通信。其中，终端设备可以但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0014]系统框架100可以包括终端设备、网络和服务器。网络用以在终端设备和服务器之间提供通信链路的介质。网络可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0015]用户可以使用终端设备通过网络与服务器交互，以接收或者发送消息等。
[0016]终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器( Moving Picture Eperts Group Audio Layer III，动态影像专家压缩标准音频层面3 )、MP4( Moving Picture Eperts Group Audio Layer IV，动态影像专家压缩标准音频层面4 )播放器、膝上型便携计算机和台式计算机等等。
[0017]服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
[0018]需要说明的是，本专利技术实施例所提供的面向用户隐私保护的异构网络图链接预测方法由服务器执行，相应地，面向用户隐私保护的异构网络图链接预测装置设置于服务器中。
[0019]应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的，根据实现需要，可以具有任意数目的终端设备、网络和服务器，本专利技术实施例中的终端设备具体可以对应的是实际生产中的应用系统。
[0020]在一实施例中，如图1所示，提供一种面向用户隐私保护的异构网络图链接预测方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤。
[0021]S10本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向用户隐私保护的异构网络图链接预测方法，其特征在于，包括：获取用户项目数据，根据所述用户项目数据构建异构图网络，其中，所述异构图网络包括用户信任关系图和与用户项目关系图；基于图神经网络对所述用户信任关系图进行节点特征提取，得到用户节点表示信息，并对所述用户节点表示信息进行噪声处理，得到用户节点隐私信息，其中，所述用户节点隐私信息中包括隐私节点信息；基于所述用户节点隐私信息中的所述隐私节点信息，得到所述用户项目关系图的更新用户节点，并基于关系图卷积神经网络对所述用户项目关系图进行节点特征学习，得到用户项目节点表示信息；通过链接预测方式，对所述用户项目节点表示信息进行链接关系预测，得到更新用户节点和项目节点之间的潜在链接关系；基于所述潜在链接关系，向所述用户节点推荐对应的项目节点中的项目信息。2.根据权利要求1所述的面向用户隐私保护的异构网络图链接预测方法，其特征在于，所述获取用户项目数据，根据所述用户项目数据构建异构图网络包括：获取所述用户项目数据中的用户标识作为用户节点，并获取每个所述用户节点之间的信任数据；根据用户节点之间的信任数据，得到所述用户节点之间的信任关系，并基于所述信任关系构建用户信任关系图；获取所述用户项目数据中的项目标识作为项目节点，获取所述用户节点和所述项目节点之间的评分关系，并根据所述评分关系，构建用户项目关系图；将所述用户信任关系图和所述用户项目关系图组合，作为异构图网络。3.根据权利要求1所述的面向用户隐私保护的异构网络图链接预测方法，其特征在于，所述基于图神经网络对所述用户信任关系图进行节点特征提取，得到用户节点表示信息，并对所述用户节点表示信息进行噪声处理，得到用户节点隐私信息包括：基于所述图神经网络对所述用户信任关系进行节点特征提取，得到用户节点矩阵，其中，所述图神经网络基于GraphSAGE模型构建；对所述用户节点矩阵进行拉普拉斯噪声处理，得到节点噪声矩阵，并将所述节点噪声矩阵作为所述用户节点隐私信息。4.根据权利要求1所述的面向用户隐私保护的异构网络图链接预测方法，其特征在于，所述基于所述用户节点隐私信息的所述隐私节点信息，得到所述用户项目关系图的更新用户节点，并基于关系图卷积神经网络对所述用户项目关系图进行节点特征学习，得到用户项目节点表示信息包括：基于所述用户节点隐私信息的所述隐私节点信息，得到所述用户项目关系图的更新用户节点，得到用户项目重构图；将所述用户项目重构图输入到所述关系图卷积神经网络，得到用户项目节点表示信息。5.根据权利要求1所述的面向用户隐私保护的异构网络图链接预测方法，其特征在于，所述通过链接预测方式，对所述用户项目节点表示信息进行链接关系预测，得到更新用户节点和项目节点之间的潜在链接关系包括：
基于评分函数，根据所述用户节点隐私信息和所述项目节点信息，得到更新用...

【专利技术属性】
技术研发人员：胡春华，戴婧男，王宗润，杭志，孙思源，
申请(专利权)人：湖南工商大学，
类型：发明
国别省市：