(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211321735.5 (22)申请日 2022.10.27 (71)申请人 暨南大学 地址 510632 广东省广州市天河区黄埔大 道西601号 (72)发明人 黄斐然　王泽钒　支庭荣　 (74)专利代理 机构 广州汇盈知识产权代理事务 所(普通合伙) 44603 专利代理师 邓有才 (51)Int.Cl. G06F 16/958(2019.01) G06N 3/04(2006.01) G06F 16/35(2019.01) G06F 16/36(2019.01) G06Q 50/00(2012.01) (54)发明名称 基于图神经网络的社交媒体账号影响力评 估方法及装置 (57)摘要 本发明实施例公开了一种基于图神经网络 的社交媒体账号影 响力评估 方法及装置， 该方法 构建先构建知识图谱知 识图谱和图神经网络， 将 图神经网络中的节点的特征向量替换为知识图 谱的重要指数， 并将节点聚合为聚合节点， 采用 注意力机制以及基于节点的重要指数计算节点 对应的邻居的权重； 计算图神经网络中每一个节 点的中心性指数， 并根据所述节 点的中心性指数 和重要指数计算该节点的最终预测分数。 实施例 将图神经网络和知识图谱进行关联， 用知识图谱 的节点重要性问题表示社交媒体账户的影响力， 用知识图谱的节点重要性替代 图神经网络的特 征向量， 能够灵活的利用知识图谱中包含的社交 媒体信息， 从已知的节点重要性学习到准确率高 的评估方法。 权利要求书2页 说明书9页 附图3页 CN 115391710 A 2022.11.25 CN 115391710 A 1.一种基于图神经网络的社交媒体账号影响力评估方法， 其特 征在于， 包括： 构建知识图谱， 所述知识图谱包含若干个节点和搭建两个节点之间关系的边线， 所述 节点包括社交媒体账号， 每一个节点分别对应有重要指数， 且其中一部分节点在所述知识 图谱中的重要指数为已知， 并计算获取另一部分节点的重要指数； 构建图神经网络， 所述图神经网络包含若干层神经网， 每一层神经网接收上一层神经 网的节点的特 征向量； 将所述图神经网络 中的节点的特征向量替换为知识图谱的重要指数， 并将节点 聚合为 聚合节点； 采用注意力机制以及基于节点的重要指数计算节点对应的邻居的权 重； 计算图神经网络 中每一个节点的中心性指数， 并根据所述节点的中心性指数和重要指 数计算该节点的最终预测分数。 2.根据权利要求1所述的社交媒体账号影响力 评估方法， 其特征在于， 所述知识图谱表 示为 （G， E） ， 其中  ， G为所述节点， E为所 述边线， Q为所有 边线的总数量，  表示第   种节点的集合，  表示第   种边线的集 合。 3.根据权利要求2所述的社交媒体账号影响力 评估方法， 其特征在于， 计算获取另一部 分节点的重要指数具体为： 通过学习函数预估知识图谱中所有节点的重要性分数， 所述学 习函数为： ， 其中， 为节点。 4.根据权利要求1所述的社交媒体账号影响力 评估方法， 其特征在于， 定义所述图神经 网络包括 层神经网， 则每一层神经网接收来自  层神经网的节点的特征向量， 定义所 述节点为i， 所述特 征向量为 。 5.根据权利要求1所述的社交媒体账号影响力 评估方法， 其特征在于， 所述将所述图神 经网络中的节点的特 征向量替换为知识图谱的重要指数， 并将节点聚合 为聚合节点， 包括： 将所述图神经网络中的节点的特 征向量替换为知识图谱的重要指数； 通过以下 方式将节点聚合 为聚合节点： ， 其中，  表示节点    在图神经网络中的第    层的重要性分数    是节点   的邻 居j的集合。 6.根据权利要求1所述的社交媒体账号影响力 评估方法， 其特征在于， 通过以下公式计 算节点对应的邻居的权 重：权　利　要　求　书 1/2 页 2 CN 115391710 A 2， 其中   非线性的激活函数，  为注意力机制中的可学习参数，  表示连接操作， 表示节点的邻居的权重，  表示 节点   和 邻居  之间的边线。 7.根据权利要求1所述的社交媒体账号影响力 评估方法， 其特征在于， 通过以下公式计 算中心性指数： ， 其中 为中心性指数， 为节点在图神经网络上的入度，   为一个数值极小正常量； 通过以下公式计算 解决的最终预测分数： ， 其中 为最终预测分数， 为重要性指数。 8.一种基于图神经网络的社交媒体账号影响力评估 装置， 其特 征在于， 包括： 图谱构建模块： 用于构建知识图谱， 所述知识图谱包含若干个节点和搭建两个节点之 间关系的边线， 所述节点包括社 交媒体账号， 每一个节点分别对应有重要指数， 且其中一部 分节点在所述知识图谱中的重要指数为已知， 并计算获取另一部分节点的重要指数； 网络构建模块： 用于构建图神经网络， 所述图神经网络包含若干层神经网， 每一层神经 网接收上一层神经网的节点的特 征向量； 节点聚合模块： 用于将所述图神经网络 中的节点的特征向量替换为知识图谱的重要指 数， 并将节点聚合 为聚合节点； 权重计算模块： 用于采用注意力 机制以及基于节点的重要指数计算节点对应的邻居的 权重； 分数预测模块： 用于计算图神经网络中每一个节点的中心性指数， 并根据所述节点的 中心性指数和重要指数计算该节点的最终预测分数。 9.一种电子设备， 其特征在于， 包括： 存储有可执行程序代码的存储器； 与所述存储器 耦合的处理器； 所述处理器调用所述存储器中存储的所述可执行程序代码， 用于执行权利 要求1至7任一项所述的基于图神经网络的社交媒体账号影响力评估方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储计算机程 序， 其中， 所述计算机程序使得计算机执行权利要求1至7任一项所述的基于图神经网络的 社交媒体账号影响力评估方法。权　利　要　求　书 2/2 页 3 CN 115391710 A 3