(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 202211020503.6 (22)申请日 2022.08.24 (71)申请人 苏州空天信息 研究院 地址 215000 江苏省苏州市苏州工业园区 独墅湖大道158 (72)发明人 包兴　胡岩峰　吴俊彦　张尧　 祁步法　郑杰　王树　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 封睿 (51)Int.Cl. G06F 16/951(2019.01) G06F 16/9536(2019.01) G06F 16/36(2019.01) G06F 40/30(2020.01)G06Q 10/04(2012.01) G06Q 50/00(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种社交网络用户投票结果预测实现方法 (57)摘要 本发明提出了一种社交网络用户投票结果 预测实现方法， 通过爬虫程序， 构建用户数据集、 话题数据集、 投票数据集、 推特数据集， 并对数据 集进行清洗、 预处理； 通过话题数据集， 提取相关 字段， 进行话题建模， 得到话题的向量化表 示； 通 过用户数据集、 推特数据集， 提取相关字段， 进行 用户建模， 得到用户的向量化表示； 通过用户数 据集构建用户关系图谱； 构建社交网络用户投票 结果预测模 型， 将用户向量输入到用户关系图谱 中， 通过异质图注意力网络， 经过节点级注意力 机制和语义级注意力机制两阶段的注 意力机制， 更新用户向量， 之后与话题向量拼接输入到多层 感知机中， 进行预测。 本发明提高了社交网络用 户投票结果预测的准确率。 权利要求书4页 说明书10页 附图4页 CN 115470392 A 2022.12.13 CN 115470392 A 1.一种社交网络用户投票结果预测实现方法， 其特 征在于， 包括如下步骤： 步骤1： 构建数据集 通过爬虫程序， 构建用户数据集、 话题数据集、 投票数据集、 推特数据集， 并对数据集进 行清洗、 预处 理； 步骤2： 话题建模 通过话题数据集， 提取相关字段， 进行话题建模， 得到话题的向量 化表示； 步骤3： 用户建模 通过用户数据集、 推特 数据集， 提取相关字段， 进行用户建模， 得到用户的向量 化表示； 步骤4： 构建用户关系图谱 通过用户数据集构建用户关系图谱； 步骤5： 投票结果预测 构建社交网络用户投票结果预测模型， 将用户向量输入到用户关系图谱中， 通过异质 图注意力网络， 经过节点级注意力机制和语义级注意力机制 两阶段的注意力机制， 更新用 户向量， 之后与话题向量 拼接输入到多层感知机中， 进行 预测。 2.根据权利要求1所述的社交网络用户投票结果预测实现方法， 其特征在于， 步骤1， 构 建数据集， 具体方法为： 步骤1.1： 使用爬虫程序， 从社交网络、 维基百科获取信息， 将获取的信息格式化后， 最 终以Json格式进行存 储； 步骤1.2： 构建的用户数据集， 具体字段名称及字段含义如表1所示： 表1 用户数据集 权　利　要　求　书 1/4 页 2 CN 115470392 A 2步骤1.3： 构建的投票数据集， 具体字段名称及字段含义如表 2所示： 表2 投票数据集 字段名称 字段含义 title 所投话题编号 date 投票时间 vote_result 投票结果 member 每一位投票用户的具体数据 member.name 投票用户姓名 member.vote 投票用户所投结果 步骤1.4： 构建的话题数据集， 具体字段名称及字段含义如表3所示： 表3 话题数据集 字段名称 字段含义 bill_id 话题编号 bill_type 话题类型 sponsor 话题发起人 cosponsors 话题联合发起人 official_title 话题标题 subjects 话题所属类型 领域 summary 话题文本 步骤1.5： 构建的推特 数据集， 具体字段名称及字段含义如表4所示： 表4 推特数据集 字段名称 字段含义 member_id 用户编号 name 姓名 time 推特发布时间 tweet 推特文本 。 3.根据权利要求1所述的社交网络用户投票结果预测实现方法， 其特征在于， 步骤2， 话 题建模， 具体方法为： 步骤2.1： 针对每一个话题， 从话题数据集中抽取能有效丰富话题信息的字段， 包括话权　利　要　求　书 2/4 页 3 CN 115470392 A 3