欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023104935801
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于异质符号属性网络的热点事件争议性分析方法,其特点在于,基于从多种不同角度衡量社区的差异程度,包括以下步骤:

1)数据收集,利用爬虫技术从社交网络中获得原始数据集,其中包括属性信息;

2)数据预处理和构图,通过去除停用词以及删除互动少的数据进行预处理操作,对微博的所有评论进行文本摘要处理,再获得事件的基于异质符号属性网络的热点事件争议性分析方法信息,并完成异质图的构建;

3)属性融合,将属性信息与文本信息、结构信息进行融合;

4)社区发现,根据用户的评论信息进行情感分析,构建出用户之间的符号网络,完成用户在异质网络下和符号网络下的自监督训练,得出社区结果;

5)争议性衡量,根据社区差异、中介中心性、用户传播表示进行衡量。

2.根据权利要求1所述的基于异质符号属性网络的热点事件争议性分析方法,其特征在于,在步骤2)数据预处理和构图中,对微博的所有评论进行文本摘要处理的方式是采用的是Seq-Seq的预训练模型,获得热点事件中主题实体的方法是依据是隐狄利克雷分配模型。

3.根据权利要求1所述的基于异质符号属性网络的热点事件争议性分析方法,其特征在于,在步骤3)属性融合中,对于微博、评论和摘要的文本信息通过Bert获得向量表示,用户表示则通过图Random Walk获得,根据属性分布划分属性等级,数量越大级别越高,得到属性编码;利用向量拼接技术将属性与对应的结点向量表示进行拼接处理,从而完成属性融合。

4.根据权利要求1所述的基于异质符号属性网络的热点事件争议性分析方法,其特征在于,在步骤4)中,异质网络中的异质关系采用不同的邻接矩阵表示,从最初的结点表示逐层进行图卷积操作,卷积公式为:其中,表示τ关系下的拉普拉斯矩阵,表示第l层的特征表示,表示l层的投影矩阵,σ是激活函数;

在符号网络中,分别对平衡条件和不平衡条件下的网络进行图卷积操作,得到向量表示;

根据KL散度的损失函数实现模型的收敛,获得稳定的用户结点表示,以使符号网络和异质网络实现双层的自监督训练;

利用异质网络下的特征向量进行Community Softmax操作达到社区发现的目的;

其中,KL损失函数表示为:

5.根据权利要求4所述的基于异质符号属性网络的热点事件争议性分析方法,其特征在于,在步骤4中加入注意力机制,其中,注意力机制用于捕获不同结点的重要性,根据当前结点与邻接结点的注意力分数来实现,其公式为:其中,是注意力向量,将归一化的注意力分数与特征表示加权求和注意下的结点向量;将注意力向量和结点向量进行求和作为在异质网络下的结点表示。

6.根据权利要求1所述的基于异质符号属性网络的热点事件争议性分析方法,在步骤5)争议性衡量中,不同社区的差距越大,说明观点一致性高,争议性也就越小,中介中心性是根据结构特点进行衡量的,用户传播表示是相同社区中,用户的结点表示距离越近,争议性也就越低,在计算社区差异、中介中心性和用户传播的争议性的,结果的平均值作为最终的争议性判断指标,当结果越近1表明争议性越大,越接近0表明争议性越小。