申请/专利权人:合肥工业大学
申请日:2023-06-20
公开(公告)日:2023-09-12
公开(公告)号:CN116737934A
主分类号:G06F16/35
分类号:G06F16/35;G06F18/214;G06F16/9536;G06F18/241;G06N3/04;G06N3/0895
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.09.29#实质审查的生效;2023.09.12#公开
摘要:本发明公开了一种基于半监督图神经网络的水军虚假评论检测方法。首先,从真实的英文网Amazon评论数据中选取三个关系进行多关系图构建。然后,以目标节点评论v为例,通过设计的基于注意力机制的消息聚合函数模块,得到的聚合过邻居节点信息后的目标节点v的特征表征。随后,在多维度空间中,利用对比监督学习模块捕捉不同类别的目标节点的类别边界,将同类节点拉近、异类节点拉远,加强各类别节点特征表征的约束。最后,用两层网络层分类器对目标节点特征进行分类预测。本专利通过构建多关系图以检测进行行为特征伪装以及关系间伪装的虚假用户,并设计多关系图内、图间的消息聚合函数,以便能高效地聚合图目标节点的邻居消息。
主权项:1.一种基于半监督图神经网络的水军虚假评论检测算法,其特征在于,包括以下步骤:1收集获取网络平台真实的评论数据集,将这些数据进行预处理,得到Embedding数据;2将每个评论数据当作每个节点进行多关系图构建;3在构建好的多关系图中进行目标节点图内、图间消息聚合,聚合基于注意力的邻居消息的目标节点特征向量;4将聚合消息后的目标节点特征向量进行对比监督学习模块约束,获得对比监督学习的目标节点特征向量;使得同类节点在高维空间上的特征向量更加靠近、异类节点在高维空间上的特征向量更加拉开;5使用两层神经网络对经过对比监督学习后的目标节点特征向量进行分类预测。
全文数据:
权利要求:
百度查询: 合肥工业大学 一种基于半监督图神经网络的水军虚假评论检测算法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。