JP2023544022A - グループタイプの識別方法、装置、コンピュータ機器及びコンピュータプログラム - Google Patents

グループタイプの識別方法、装置、コンピュータ機器及びコンピュータプログラム Download PDF

Info

Publication number
JP2023544022A
JP2023544022A JP2023519589A JP2023519589A JP2023544022A JP 2023544022 A JP2023544022 A JP 2023544022A JP 2023519589 A JP2023519589 A JP 2023519589A JP 2023519589 A JP2023519589 A JP 2023519589A JP 2023544022 A JP2023544022 A JP 2023544022A
Authority
JP
Japan
Prior art keywords
user
feature
user nodes
nodes
graph
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023519589A
Other languages
English (en)
Inventor
チェン，ハオ
Original Assignee
テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド filed Critical テンセント・テクノロジー・（シェンジェン）・カンパニー・リミテッド
Publication of JP2023544022A publication Critical patent/JP2023544022A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/185—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast with management of multicast group membership
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

コンピュータ技術分野に属するグループタイプの識別方法、装置、コンピュータ機器及び媒体を提供する。第１のターゲットグラフの第１のグラフ構造特徴及び第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得し（１０１）、第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、第１のターゲットグラフにおける各第１のユーザノードのアテンションパラメータを取得し（１０２）、複数の第１のユーザノードから、選択されていない第１のユーザノードのアテンションパラメータよりも大きいアテンションパラメータを有する複数の第２のユーザノードを選択し（１０３）、複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別する（１０４）。スクリーニングされた重要なユーザノードのユーザ特徴及びグラフ構造特徴に基づいてターゲットグループを識別し、識別正確率を向上させる。【選択図】図５

Description

本発明は、２０２１年１月４日に出願した出願番号が２０２１１０００２１２７．７であり、発明の名称が「グループタイプの識別方法、装置、コンピュータ機器及び媒体」である中国特許出願に基づく優先権を主張し、その全ての内容を参照により本発明に援用する。
本発明の実施例は、コンピュータ技術の分野に関し、特にグループタイプの識別方法、装置、コンピュータ機器及び媒体に関する。
コンピュータ技術及びインスタント通信アプリケーションの発展に伴い、インスタント通信アプリケーションに基づいて様々なタイプのグループを確立することができる。どのようにグループのタイプを識別するかは、早急に解決すべき技術的問題となった。
本発明の実施例は、グループタイプの識別正確率を向上させる、グループタイプの識別方法、装置、コンピュータ機器及び媒体を提供する。その技術的手段は、以下の通りである。
１つの態様では、コンピュータ機器が実行する、グループタイプの識別方法であって、第１のターゲットグラフの第１のグラフ構造特徴及び前記第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得するステップであって、前記第１のユーザノードは、ターゲットグループにおけるユーザＩＤに対応するノードであり、前記第１のターゲットグラフは、前記複数の第１のユーザノード間の関連関係に基づいて構築される、ステップと、前記第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得するステップであって、前記アテンションパラメータは、前記第１のターゲットグラフにおける前記第１のユーザノードの重要度を表す、ステップと、前記複数の第１のユーザノードから複数の第２のユーザノードを選択するステップであって、前記複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい、ステップと、前記複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップであって、前記第２のターゲットグラフは、前記複数の第２のユーザノード間の関連関係に基づいて構築される、ステップと、を含む、方法を提供する。
もう１つの態様では、グループタイプの識別装置であって、第１のターゲットグラフの第１のグラフ構造特徴及び前記第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得する特徴取得モジュールであって、前記第１のユーザノードは、ターゲットグループにおけるユーザＩＤに対応するノードであり、前記第１のターゲットグラフは、前記複数の第１のユーザノード間の関連関係に基づいて構築される、特徴取得モジュールと、前記第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得する第１のアテンション取得モジュールであって、前記アテンションパラメータは、前記第１のターゲットグラフにおける前記第１のユーザノードの重要度を表す、第１のアテンション取得モジュールと、前記複数の第１のユーザノードから複数の第２のユーザノードを選択する第１のスクリーニングモジュールであって、前記複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい、第１のスクリーニングモジュールと、前記複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するタイプ識別モジュールであって、前記第２のターゲットグラフは、前記複数の第２のユーザノード間の関連関係に基づいて構築される、タイプ識別モジュールと、を含む、装置を提供する。
好ましくは、該装置は、前記第２のグラフ構造特徴に基づいて、前記複数の第２のユーザノードの第１のユーザ特徴を調整し、前記複数の第２のユーザノードの第２のユーザ特徴を取得する特徴調整モジュールと、前記第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得する第２のアテンション取得モジュールと、前記複数の第２のユーザノードから複数の第３のユーザノードを選択する第２のスクリーニングモジュールであって、前記複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい、第２のスクリーニングモジュールと、をさらに含む。
好ましくは、前記タイプ識別モジュールは、前記複数の第２のユーザノードの第１のユーザ特徴、前記第２のグラフ構造特徴、前記複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別し、前記第３のターゲットグラフは、前記複数の第３のユーザノード間の関連関係に基づいて構築される。
好ましくは、前記タイプ識別モジュールは、前記複数の第２のユーザノードの第１のユーザ特徴と前記第２のグラフ構造特徴とを融合し、第１の融合特徴を取得する第１の融合部と、前記複数の第３のユーザノードの第２のユーザ特徴と前記第３のグラフ構造特徴とを融合し、第２の融合特徴を取得する第２の融合部と、前記第１の融合特徴及び前記第２の融合特徴に基づいて、前記ターゲットグループのグループタイプを識別するタイプ識別部と、を含む。
好ましくは、前記第１の融合部は、前記複数の第２のユーザノードの第１のユーザ特徴及び前記第２のグラフ構造特徴に基づいて平均値を求め、平均ユーザ特徴を取得し、前記平均ユーザ特徴と前記複数の第２のユーザノードの第１のユーザ特徴のうちの最大のユーザ特徴とを連結し、前記第１の融合特徴を取得する。
好ましくは、前記タイプ識別部は、前記第１の融合特徴と前記第２の融合特徴とを連結し、前記ターゲットグループに対応する連結特徴を取得し、前記連結特徴に基づいて、前記ターゲットグループのグループタイプを識別する。
好ましくは、グループタイプ識別モデルは、第１のアテンションネットワーク、第１のスクリーニングネットワーク及び識別ネットワークを含み、前記第１のアテンション取得モジュールは、前記第１のアテンションネットワークを呼び出し、前記第１のグラフ構造特徴及び前記複数の第１のユーザ特徴に基づいて、前記各第１のユーザノードのアテンションパラメータを取得し、前記第１のスクリーニングモジュールは、前記第１のスクリーニングネットワークを呼び出し、前記複数の第１のユーザノードから前記複数の第２のユーザノードを選択し、前記タイプ識別モジュールは、前記識別ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴及び前記第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別する。
好ましくは、前記グループタイプ識別モデルは、第１の畳み込みネットワーク、第２のアテンションネットワーク及び第２のスクリーニングネットワークをさらに含み、前記装置は、前記第１の畳み込みネットワークを呼び出し、前記第２のグラフ構造特徴に基づいて、前記複数の第２のユーザノードの第１のユーザ特徴を調整し、前記複数の第２のユーザノードの第２のユーザ特徴を取得する特徴調整モジュールと、前記第２のアテンションネットワークを呼び出し、前記第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得する第２のアテンション取得モジュールと、前記第２のスクリーニングネットワークを呼び出し、前記複数の第２のユーザノードから複数の第３のユーザノードを選択する第２のスクリーニングモジュールであって、前記複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい、第２のスクリーニングモジュールと、をさらに含む。
好ましくは、前記タイプ識別モジュールは、前記識別ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴、前記第２のグラフ構造特徴、前記複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別し、前記第３のターゲットグラフは、前記複数の第３のユーザノード間の関連関係に基づいて構築される。
好ましくは、前記グループタイプ識別モデルは、第１の融合ネットワーク及び第２の融合ネットワークをさらに含み、前記タイプ識別モジュールは、前記第１の融合ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴と前記第２のグラフ構造特徴とを融合し、第１の融合特徴を取得する第１の融合部と、前記第２の融合ネットワークを呼び出し、前記複数の第３のユーザノードの第２のユーザ特徴と前記第３のグラフ構造特徴とを融合し、第２の融合特徴を取得する第２の融合部と、前記識別ネットワークを呼び出し、前記第１の融合特徴及び前記第２の融合特徴に基づいて、前記ターゲットグループのグループタイプを識別するタイプ識別部と、を含む。
好ましくは、前記グループタイプ識別モデルは、連結ネットワークをさらに含み、前記タイプ識別部は、前記連結ネットワークを呼び出し、前記第１の融合特徴と前記第２の融合特徴とを連結し、前記ターゲットグループに対応する連結特徴を取得し、前記識別ネットワークを呼び出し、前記連結特徴に基づいて、前記ターゲットグループのグループタイプを識別する。
好ましくは、前記グループタイプ識別モデルの訓練プロセスは、サンプルグループのサンプルタイプ、サンプルグラフのサンプルグラフ構造特徴及び前記サンプルターゲットグラフにおける複数のサンプルユーザノードのサンプルユーザ特徴を取得するステップであって、前記サンプルユーザノードは、前記サンプルユーザＩＤに対応するノードであり、前記サンプルグラフは、サンプルグループにおける複数のサンプルユーザＩＤ間の関連関係に基づいて構築される、ステップと、前記グループタイプ識別モデルを呼び出し、前記サンプルグラフ構造特徴及び前記複数のサンプルユーザノードのサンプルユーザ特徴に基づいて、前記サンプルグループの予測タイプを識別するステップと、前記サンプルタイプと前記予測タイプとの差に基づいて、前記グループタイプ識別モデルを訓練するステップと、を含む。
好ましくは、前記第１のスクリーニングネットワークは、前記複数の第１のユーザノードの数と参照比率とを乗算して参照数を取得し、前記複数の第１のユーザノードのアテンションパラメータを大きい順に並び替え、並び替えられた上位の参照数のアテンションパラメータを選択し、選択されたアテンションパラメータに対応する第１のユーザノードを前記第２のユーザノードとする。
好ましくは、グラフ構造特徴は、複数のユーザノードのうちの任意の２つのユーザノード間の関連度を含み、前記特徴取得モジュールは、前記ターゲットグループにおける任意の２つのユーザＩＤの共通出現回数を取得し、前記共通出現回数は、複数の参照期間内に、前記任意の２つのユーザＩＤに基づいて前記ターゲットグループにおいて共通してコンテンツを投稿した回数であり、前記共通出現回数に基づいて、前記任意の２つのユーザＩＤ間の関連度を決定し、前記関連度と前記共通出現回数とは正の相関関係にある。
好ましくは、ユーザ特徴は、ユーザ行動特徴及びユーザ属性特徴を含み、前記特徴取得モジュールは、登録された複数のユーザＩＤを含むユーザソーシャルネットワークを取得し、前記ユーザソーシャルネットワークに基づいて、前記複数のユーザＩＤのユーザ行動特徴を取得し、前記複数のユーザＩＤに対応するユーザ画像情報に基づいて、前記複数のユーザＩＤのユーザ属性特徴を取得する。
もう１つの態様では、プロセッサと、少なくとも１つのコンピュータプログラムが記憶されたメモリと、を含むコンピュータ機器であって、前記少なくとも１つのコンピュータプログラムは、上記のグループタイプの識別方法を実現するように、前記プロセッサによりロードされて実行される、コンピュータ機器を提供する。
もう１つの態様では、少なくとも１つのコンピュータプログラムが記憶された、コンピュータ読み取り可能な記憶媒体であって、前記少なくとも１つのコンピュータプログラムは、上記のグループタイプの識別方法を実現するように、前記プロセッサによりロードされて実行される、記憶媒体を提供する。
もう１つの態様では、コンピュータ読み取り可能な記憶媒体に記憶されたコンピュータプログラムコードを含むコンピュータプログラム製品又はコンピュータプログラムであって、コンピュータ機器のプロセッサは、該コンピュータ機器で上記のグループタイプの識別方法を実行するように、コンピュータ読み取り可能な記憶媒体から前記コンピュータプログラムコードを読み取って実行する、コンピュータプログラム製品又はコンピュータプログラムを提供する。
本発明の実施例の技術的手段は、少なくとも以下の有利な効果を奏する。
本発明の実施例に係る方法は、各第１のユーザノードのアテンションパラメータを取得する際に、グラフ構造特徴及びユーザノード特徴を考慮するため、ユーザ情報のみを取得する従来技術と比べて、情報量を増加させ、得られたアテンションパラメータがユーザノードのグラフ構造における重要度をより正確に反映することができるため、アテンションパラメータに基づいて複数の第１のユーザノードをスクリーニングする際に、比較的に重要なユーザノードを正確に選択することができる。これらの重要なユーザノードのユーザ特徴及びグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別することで、識別正確率を向上させることができる。また、重要でないユーザノードを廃棄することで、処理すべきデータ量を低減させ、処理速度を向上させることができる。
本発明の実施例に係る技術をより明確に説明するために、以下は、実施例の説明に必要な図面を簡単に紹介する。なお、以下の図面は、単に本発明の幾つかの実施形態であり、当業者は、創造的な作業を行うことなく、これらの図面に基づいて他の図面を得ることができる。
本発明の実施例に係るグループタイプの識別方法の実装環境の一例の概略図である。 本発明の実施例に係るグループタイプ識別モデルの構成の概略図である。 本発明の実施例に係る他のグループタイプ識別モデルの構成の概略図である。 本発明の実施例に係る他のグループタイプ識別モデルの構成の概略図である。 本発明の実施例に係る他のグループタイプの識別方法のフローチャートである。 本発明の実施例に係る他のグループタイプ識別モデルの構成の概略図である。 本発明の実施例に係るグループタイプの識別装置の構成の概略図である。 本発明の実施例に係る他のグループタイプの識別装置の構成の概略図である。 本発明の実施例に係る端末の構成の概略図である。 本発明の実施例に係るサーバの構成の概略図である。
本発明の目的、技術的手段、及び利点をより明確にするために、以下は、図面を参照しながら本発明の実施形態をさらに詳細に説明する。
なお、本明細書で使用される「第１の」、「第２の」などの用語は、本明細書で使用されて様々な概念を説明するために使用されてもよいが、特に明記されない限り、これらの概念はこれらの用語により限定されない。これらの用語は、単なるある概念と別の概念とを区別するために使用される。例えば、本発明の範囲から逸脱することなく、第１のユーザノードを第２のユーザノードと称し、第２のユーザノードを第１のユーザノードと称してもよい。
本明細書で使用される「少なくとも１つ」、「複数」、「各」、「何れか」などの用語は、「少なくとも１つ」が１つを含み、「複数」が２つ以上を含み、「各」が対応する複数のもののそれぞれを意味し、「何れか」が複数のもののうちの任意の１つを意味する。例えば、「複数のユーザノード」は３つのユーザノードを含み、「各ユーザノード」はこの３つのユーザノードのそれぞれを意味し、「何れか」はこの３つのユーザノードのうちの任意の１つを意味し、１番目のユーザノードであってもよいし、２番目のユーザノードであってもよいし、３番目のユーザノードであってもよい。
従来技術では、グループにおける複数のユーザＩＤに対応するユーザ情報に基づいて、該グループのタイプを決定する。ここで、ユーザ情報には、ユーザプロファイル画像、ユーザタグ、年齢、性別などの情報が含まれる。しかし、このようなユーザ情報に基づいてグループタイプを決定する方式は、根拠となるデータ量が少ないため、決定されたグループタイプの正確率が低い。
本発明の実施例に係るグループタイプの識別方法は、グループタイプ識別のシナリオに適用される。例えば、インスタント通信アプリケーションでは、ユーザのプライバシー及びユーザの財産の安全性を考慮して、本発明の実施例に係るグループタイプの識別方法を用いて、ターゲットグループが特定のグループであるか否かを識別し、ターゲットグループが特定のグループであると決定された場合、ユーザの損失を回避するために、ターゲットグループに対してグループ無効化処理又は他の処理を行う。
本発明の実施例に係る方法は、コンピュータ機器により実行され、該コンピュータ機器は端末又はサーバである。好ましくは、端末は、携帯電話、コンピュータ、タブレットなどの携帯型、ポケット型、ハンドヘルド型などの様々なタイプの端末である。サーバは、独立した物理サーバ、又は複数の物理サーバにより構成されるサーバクラスタ又は分散型システム、又はクラウドサービス、クラウドデータベース、クラウドコンピューティング、クラウド関数、クラウドストレージ、ネットワークサービス、クラウド通信、ミドルウェアサービス、ドメインネームサービス、セキュリティサービス、ＣＤＮ（Ｃｏｎｔｅｎｔ Ｄｅｌｉｖｅｒｙ Ｎｅｔｗｏｒｋ：コンテンツ配信ネットワーク）、並びにビッグデータ及び人工知能プラットフォームなどの基礎クラウドコンピューティングサービスを提供するクラウドサーバである。
図１は、本発明の実施例に係るグループタイプの識別方法の実装環境の一例の概略図である。本発明の実施例の実行主体は、コンピュータ機器である。図１に示すように、該方法は、以下のステップを含む。
ステップ１０１：第１のターゲットグラフの第１のグラフ構造特徴及び第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得する。
本発明の実施例では、複数のユーザＩＤを含むターゲットグループを一例として説明する。
ここで、第１のユーザノードは、ターゲットグループにおけるユーザＩＤに対応するノードであり、第１のターゲットグラフは、複数の第１のユーザノード間の関連関係に基づいて構築される。
１つの可能な態様では、複数の第１のユーザノードがターゲットグループにおける全てのユーザＩＤに対応するユーザノードである場合、即ち、複数の第１のユーザノードがスクリーニングされていないものである場合、第１のターゲットグラフは、初期ターゲットグラフである。複数の第１のユーザノードがターゲットグループにおける一部のユーザＩＤに対応するユーザノードである場合、即ち、複数の第１のユーザノードが既にスクリーニングされたものである場合、第１のターゲットグラフは、スクリーニングされたターゲットグラフである。
ここで、第１のグラフ構造特徴は、第１のターゲットグラフを記述するために使用され、該第１のターゲットグラフは、複数の第１のユーザノード、及び複数の第１のユーザノード間の連結線を含む。任意の２つの第１のユーザノード間の連結線は、該任意の２つの第１のユーザノード間に関連関係があることを意味する。第１のユーザ特徴は、ユーザＩＤに対応するユーザを記述するために使用され、該第１のユーザ特徴は、ユーザ行動特徴又はユーザ属性特徴のうちの少なくとも１つを含む。
ステップ１０２：第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、第１のターゲットグラフにおける各第１のユーザノードのアテンションパラメータを取得する。
ここで、アテンションパラメータは、第１のターゲットグラフにおける第１のユーザノードの重要度を表し、即ち、ターゲットグループにおける該第１のユーザノードに対応するユーザＩＤの重要度を表す。ターゲットグループにおけるユーザＩＤの重要度とアテンションパラメータとは、正の相関関係にある。例えば、ターゲットグループにおけるグループマスタや管理者などのユーザは、ターゲットグループにおいて比較的に重要であり、これらのユーザに対応するユーザノードのアテンションパラメータも大きくなる。
ステップ１０３：複数の第１のユーザノードから複数の第２のユーザノードを選択する。複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい。
本発明の実施例では、複数の第１のユーザノードをスクリーニングし、複数の第１のユーザノードからアテンションパラメータが比較的に大きい複数の第２のユーザノードを選択する。後でこれらのアテンションパラメータが比較的に大きい第２のユーザノードに基づいて処理を行うことによって、処理過程において幾つかの重要でない情報を廃棄し、データ量を低減させると共に、重要な情報に対する損失を低減させることができる。
ステップ１０４：複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別する。
ここで、第２のターゲットグラフは、複数の第２のユーザノード間の関連関係に基づいて構築される。第２のグラフ構造特徴は、第２のターゲットグラフを記述するために使用される。第２のターゲットグラフは、第１のターゲットグラフのサブグラフであり、該第２のターゲットグラフは、複数の第２のユーザノード、及び複数の第２のユーザノード間の連結線を含む。第２のターゲットグラフにおける複数の第２のユーザノード間の連結線は、第１のターゲットグラフにおける複数の第２のユーザノード間の連結線と同様である。
ここで、グループタイプとは、ターゲットグループが属するタイプを意味する。分類基準に応じて、異なるグループタイプを分けることができる。例えば、ターゲットグループにおけるユーザＩＤに対応するユーザの職業に応じて、勤務グループと非勤務グループとに分け、ターゲットグループにおけるユーザＩＤに対応するユーザ同士が親戚関係にあるか否かに応じて、家族グループと非家族グループとに分け、ターゲットグループにおけるユーザＩＤに対応するユーザのターゲットグループ内の行動が特定の行動に属するか否かに応じて、特定グループと非特定グループとに分ける。例えば、特定の行動は、ポルノ、ギャンブル、詐欺などの行為を含む。
本発明の実施例に係る方法は、各第１のユーザノードのアテンションパラメータを取得する際に、グラフ構造特徴及びユーザノード特徴を考慮するため、ユーザ情報のみを取得する従来技術と比べて、情報量を増加させ、得られたアテンションパラメータがユーザノードのグラフ構造における重要度をより正確に反映することができるため、アテンションパラメータに基づいて複数の第１のユーザノードをスクリーニングする際に、比較的に重要なユーザノードを正確に選択することができる。これらの重要なユーザノードのユーザ特徴及びグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別することで、識別正確率を向上させることができる。また、重要でないユーザノードを廃棄することで、処理すべきデータ量を低減させ、処理速度を向上させることができる。
１つの可能な態様では、コンピュータ機器は、グループタイプ識別モデルを呼び出して、ターゲットグループのグループタイプを識別する。以下は、グループタイプ識別モデルのモデル構成を説明する。
図２は、本発明の実施例に係るグループタイプ識別モデルの構成の概略図である。図２に示すように、該グループタイプ識別モデルは、入力ネットワーク２０１、第１のアテンションネットワーク２０２、第１のスクリーニングネットワーク２０３及び識別ネットワーク２０４を含む。ここで、入力ネットワーク２０１は第１のアテンションネットワーク２０２に接続され、第１のアテンションネットワーク２０２は第１のスクリーニングネットワーク２０３に接続され、第１のスクリーニングネットワーク２０３は識別ネットワーク２０４に接続される。
ここで、入力ネットワーク２０１は、入力されたグラフ構造特徴及びユーザ特徴を取得し、第１のアテンションネットワーク２０２は、各ユーザノードのアテンションパラメータを取得し、第１のスクリーニングネットワーク２０３は、取得されたアテンションパラメータに基づいて、重要なユーザノードをスクリーニングし、識別ネットワーク２０４は、スクリーニングされたユーザノードのユーザ特徴及び対応するグラフ構造特徴に基づいて、グループタイプを識別する。
１つの可能な態様では、図３に示すように、グループタイプ識別モデルは、第１の畳み込みネットワーク２０５、第２のアテンションネットワーク２０６、第２のスクリーニングネットワーク２０７及び連結ネットワーク２０８をさらに含む。ここで、第１の畳み込みネットワーク２０５は第１のスクリーニングネットワーク２０３及び第２のアテンションネットワーク２０６に接続され、第２のアテンションネットワーク２０６は第２のスクリーニングネットワーク２０７に接続され、第２のスクリーニングネットワーク２０７は識別ネットワーク２０４に接続され、連結ネットワーク２０８は第１のスクリーニングネットワーク２０３、第２のスクリーニングネットワーク２０７及び識別ネットワーク２０４に接続される。
ここで、第１の畳み込みネットワーク２０５は、第１のスクリーニングネットワーク２０３によりスクリーニングされた比較的に重要なユーザノードのユーザ特徴に対してさらに処理を行い、第２のアテンションネットワーク２０６は、スクリーニングされた各ユーザノードのアテンションパラメータを取得し、第２のスクリーニングネットワーク２０７は、取得されたアテンションパラメータに基づいて、スクリーニングされたユーザノードに対してさらにスクリーニングを行い、連結ネットワーク２０８は、第１のスクリーニングネットワーク２０３によりスクリーニングされたユーザノードのユーザ特徴と第２のスクリーニングネットワーク２０７により再度スクリーニングされたユーザノードのユーザ特徴とを連結する。
上記の可能な態様では、ユーザノードに対して２回のスクリーニングを行うことを一例として説明したが、もう１つの可能な態様では、より多くの情報量を取得するように、ユーザノードに対して３回、４回又はそれ以上の回数のスクリーニングを行ってもよい。例えば、図４に示すように、３つのアテンションネットワーク、３つのスクリーニングネットワークを使用して、ユーザノードに対して３回のスクリーニングを行う。ここで、連結ネットワークは、３つのスクリーニングネットワークによりスクリーニングされたユーザノードのユーザ特徴を連結する。
また、１つの可能な態様では、第１のアテンションネットワークの前に畳み込みネットワークをさらに含み、即ち、入力されたユーザ特徴及びグラフ構造特徴に対して先に畳み込み処理を行う。第１のアテンションネットワークは、畳み込み処理されたユーザ特徴及びグラフ構造特徴に基づいて、アテンションパラメータを取得する。
以下は、図５を参照しながら、グループタイプ識別モデルを呼び出してターゲットグループのタイプを識別する例について説明する。
図５は、本発明の実施例に係る他のグループタイプの識別方法のフローチャートである。本発明の実施例の実行主体は、コンピュータ機器である。図５に示すように、該方法は、以下のステップを含む。
ステップ５０１：ターゲットグループにおける複数のユーザＩＤ間の関連関係に基づいて、第１のターゲットグラフを構築する。
本発明の実施例では、第１ターゲットグラフが最初に構築されたターゲットグラフであることを一例として説明する。
本発明の実施例では、ターゲットグループにおける複数のユーザＩＤに基づいて対応するユーザノードを構築し、さらに複数のユーザＩＤ間の関連関係に基づいて、複数のユーザノードを連結して第１ターゲットグラフを構成する。該第１ターゲットグラフは、同種グラフ（ｈｏｍｏｇｅｎｅｏｕｓ ｇｒａｐｈ）であり、即ち、第１ターゲットグラフには、ユーザノードという一種類のノードのみが含まれ、且つ、ユーザノード間は同一の種類の関連関係に基づいて連結し、即ち、第１ターゲットグラフにおける連結線は同一の種類の連結線である。
ここで、任意の２つのユーザノード間の関連関係は、該任意の２つのユーザノード間の関連度特徴に基づいて決定され、該関連度特徴は、任意の２つのユーザノードに対応するユーザ間の親密度を表す。
１つの可能な態様では、ターゲットグループにおける任意の２つのユーザＩＤの共通出現回数を取得し、共通出現回数に基づいて、任意の２つのユーザＩＤ間の関連度特徴を決定する。ここで、関連度特徴は、関連度と称されてもよい。共通出現回数は、複数の参照期間内に、任意の２つのユーザＩＤに基づいてターゲットグループにおいて共通してコンテンツを投稿した回数を意味する。関連度と共通出現回数とは正の相関関係にあり、即ち、共通出現回数が大きいほど、２つのユーザＩＤ間の関連度が大きくなり、共通出現回数が小さいほど、２つのユーザＩＤ間の関連度が小さくなる。好ましくは、共通出現回数をそのまま関連度としてもよい。
例えば、参照期間は５分間であり、任意の２人のユーザについて、この５分間で両方のユーザがターゲットグループにおいて発言したか否かを決定し、両方のユーザが発言した場合には、２人のユーザに対応する共通出現回数に１を加算し、一方のユーザのみが発言した場合や両方のユーザが発言していない場合、共通出現回数は増加しない。ここで、２人のユーザが共通してターゲットグループにおいて発言した場合、この２人のユーザ間のコミュニケーションが多いことを示しており、２人のユーザ間は比較的に親密であるため、共通出現回数に基づいて関連度を決定することができる。
１つの可能な態様では、２人のユーザが同時にターゲットグループにおいて発言するような偶発的な状況が存在する可能性があることを考慮して、偶発的な状況を回避するために、共通出現回数が参照回数よりも小さいか否かを決定し、共通出現回数が参照回数よりも小さい場合、共通出現回数を０に設定してもよい。例えば、ターゲットグループにおけるグループマスタがメッセージを投稿し、該ターゲットグループ内のグループマスタ以外のユーザが該メッセージに返信する場合、ターゲットグループ内の多くのユーザが同時に発言するが、これらの同時に発言したユーザ間の関係は親密ではない可能性がある。
なお、本発明の実施例では、単に第１のオブジェクトグラフが同種グラフであることを一例として説明しているが、もう１つの態様では、第１のオブジェクトグラフは、異種グラフ（ｈｅｔｅｒｏｇｅｎｅｏｕｓ ｇｒａｐｈ）である。例えば、第１のオブジェクトグラフには、ユーザノード及びユーザタイプノードが含まれ、ユーザノード間は、同一の種類の関連関係に従って連結され、ユーザノードとユーザタイプノードとの間は、ユーザノードに対応するユーザが属するタイプに従って連結される。
ステップ５０２：第１のターゲットグラフの第１のグラフ構造特徴及び第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得する。
ここで、第１のグラフ構造特徴は、該第１ターゲットグラフにおける複数のユーザノード及び該複数のユーザノード間の関連関係を表す。第１のグラフ構造特徴は、複数のユーザノードのうちの任意の２つのユーザノード間の関連度を含む。第１のユーザ特徴は、ユーザ行動特徴とユーザ属性特徴を含む。ユーザ行動特徴は、ユーザの履歴行動を表し、ユーザ属性特徴は、ユーザ自身の属性を表す。
１つの可能な態様では、ユーザソーシャルネットワークを取得し、該ユーザソーシャルネットワークに基づいて、ターゲットグループにおける複数のユーザＩＤのユーザ行動特徴を取得する。ここで、ユーザソーシャルネットワークは、登録された複数のユーザＩＤを含む。
好ましくは、グラフ埋め込み（ｇｒａｐｈ ｅｍｂｅｄｄｉｎｇ）の方式により、ユーザソーシャルネットワークに基づいて、ユーザＩＤのユーザ行動特徴を取得する。ここで、グラフ埋め込みは、グラフにおける各ノードを低次元空間の稠密ベクトルとして表現し、得られた該稠密ベクトルをノードの特徴情報とする。グラフ埋め込みの中心的なアイデアは、グラフ構造の固有の構造的属性を保持すること、即ち、グラフにおける連結されたノードをベクトル空間内で互いに近接させたままにすることである。例えば、グラフ埋め込みの方法は、ＤｅｅｐＷａｌｋ（ネットワークにおけるノード表現を生成する方法）やＮｏｄｅ２Ｖｅｃ（ネットワークにおけるノードベクトルを生成するモデル）などのノード埋め込み方法を含む。
Ｄｅｅｐｗａｌｋノード埋め込み方法を一例にすると、ユーザソーシャルネットワークに基づいて、グラフにおける各ユーザノードから、ユーザソーシャルネットワーク及びユーザ連結線の重みに基づいて、ランダムに複数の軌跡を生成し、生成された全ての軌跡をコーパスとしてｗｏｒｄ２ｖｅｃ語ベクトル埋め込みモデルに入力し、ｗｏｒｄ２ｖｅｃ語ベクトル埋め込みモデルにより処理を行い、最終的に各ユーザノードのユーザ行動特徴を取得する。
１つの可能な態様では、ターゲットグループにおける複数のユーザＩＤに対応するユーザ画像情報に基づいて、ターゲットグループにおける複数のユーザＩＤのユーザ属性特徴を取得する。ここで、ユーザ画像情報には、ユーザプロファイル画像、ユーザが投稿した動的な情報、ユーザの年齢、性別、ユーザが所在する地理的位置などの情報が含まれる。
１つの可能な態様では、第１のユーザ特徴をベクトルで表し、複数の第１のユーザ特徴を行列で表し、即ち、複数の第１のユーザ特徴を連結して１つの行列を構成する。例えば、行列における行又は列は、１つの第１のユーザノードの第１のユーザ特徴を表す。
１つの可能な態様では、第１のグラフ構造特徴を行列で表し、行列における各位置の要素は、対応する２つのユーザノード間の関連関係を表す。例えば、行列における３行目４列目の要素は、３番目のユーザノードと４番目のユーザノードとの間の関連関係を表す。例えば、以下の式を使用して、２つの第１のユーザノード間の関連関係を取得する。
ここで、Ａｉｊはｉ番目の第１のユーザノードとｊ番目の第１のユーザノードとの間の関連関係を表し、Ｃｉｊはｉ番目の第１のユーザノードに対応するユーザＩＤとｊ番目の第１のユーザノードに対応するユーザＩＤとの共通出現回数を表す。
ステップ５０３：第１のアテンションネットワークを呼び出し、第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得する。
第１のアテンションネットワークは、少なくとも１つのＧＮＮ（Ｇｒａｐｈ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：グラフニューラルネットワーク）である。以下の何れかの式を使用して、アテンションパラメータを取得する。
ここで、Ｚはアテンションパラメータを表し、Ｘは複数の第１のユーザ特徴を表し、Ａは第１のグラフ構造特徴を表し、σは参照数値であり、
（外１）

は第１のユーザ特徴と第１のグラフ構造特徴に対して畳み込み処理を行うことを表し、ｍはｍ番目のＧＮＮを表し、ＭはＧＮＮの数を表す。ここで、Ｚ、Ｘ及びＡは行列である。
上記１番目及び２番目の式には１つのＧＮＮが使用され、上記３番目の式には２つのＧＮＮが使用され、上記４番目の式にはＭ個のＧＮＮが使用される。上記の３番目の式では、２つのＧＮＮが順次接続されており、即ち、まず１番目のＧＮＮを用いて一次処理を行い、次に２番目のＧＮＮを用いて一次処理に加えて二次処理を行い、アテンションパラメータを取得する。上記４番目の式において、Ｍ個のＧＮＮは、それぞれ第１のユーザ特徴と第１のグラフ構造特徴を処理し、処理されたＭ個のアテンションパラメータの平均値を求め、最終的なアテンションパラメータを取得する。
ステップ５０４：第１のスクリーニングネットワークを呼び出し、複数の第１のユーザノードから複数の第２のユーザノードを選択し、複数の第２のユーザノード間の関連関係に基づいて第２ターゲットグラフを構築する。
ここで、複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい。
１つの可能な態様では、第１のスクリーニングネットワークを呼び出し、複数の第１のユーザノードの数と参照比率とを乗算して参照数を取得し、複数の第１のユーザノードのアテンションパラメータを大きい順に並び替え、並び替えられた上位の参照数のアテンションパラメータを選択し、選択されたアテンションパラメータに対応する第１のユーザノードを第２のユーザノードとする。複数の第２のユーザノードが選択された後、選択された複数の第２のユーザノード間の関連関係に基づいて、第２ターゲットグラフを構築する。
好ましくは、以下の式を使用して、複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴を取得する。
ここで、Ｘ’は複数の第２のユーザノードの第１のユーザ特徴を表し、Ｘｉｄｘ，：は複数の第１のユーザノードの第１のユーザ特徴から第２のユーザノードの第１のユーザ特徴を選択することを表し、Ａｌは第２のグラフ構造特徴を表し、Ａｉｄｘ，ｉｄｘは第１のグラフ構造特徴から複数の第２のユーザノードに対応する関連関係を選択することを表す。
好ましくは、アテンションパラメータの大きさを考慮して、以下の式を使用して、複数の第２のユーザノードの第１のユーザ特徴を調整し、調整された第１のユーザ特徴を取得する。
ここで、Ｘｌは調整された第１のユーザ特徴を表し、Ｚは複数の第２のユーザノードのアテンションパラメータを表し、
（外２）

はビット積、即ち各第２のユーザノードの第１のユーザ特徴とアテンションパラメータとを乗算することを表す。
なお、本発明の実施例は、単にユーザノードに対して複数回のスクリーニングを行うことを一例として説明しており、もう１つの態様では、ユーザノードに対して１回のみのスクリーニングを行う場合、複数の第２のユーザノードを選択した後、直接、複数の第２のユーザノードのユーザ特徴、及び第２のターゲットグラフを構築するための第２のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別し、以降のステップを実行しない。
ステップ５０５：第１の畳み込みネットワークを呼び出し、第２のグラフ構造特徴に基づいて、複数の第２のユーザノードの第１のユーザ特徴を調整し、複数の第２のユーザノードの第２のユーザ特徴を取得する。
第１の畳み込みネットワークは、ＧＣＮ（Ｇｒａｐｈ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋｓ：グラフ畳み込みネットワーク）であり、以下の式を使用して畳み込み処理後の第２のユーザ特徴を決定する。
ここで、Ｘｌ＋１は複数の第２のユーザノードの第２のユーザ特徴を表し、Ｘｌは複数の第２のユーザノードの第１のユーザ特徴を表し、Ａｌは第２のグラフ構造特徴を表し、Ｗｌ＋１は第１の畳み込みネットワークにおけるモデルパラメータを表し、σは参照数値である。
ステップ５０６：第２のアテンションネットワークを呼び出し、第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得する。
ステップ５０７：第２のスクリーニングネットワークを呼び出し、複数の第２のユーザノードから複数の第３のユーザノードを選択し、複数の第３のユーザノード間の関連関係に基づいて第３のターゲットグラフを構築する。
ステップ５０６～ステップ５０７の態様は、上述のステップ５０３～ステップ５０４の態様と同様であり、ここでその説明を省略する。
ステップ５０８：識別ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴、第２のグラフ構造特徴、複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別する。
１つの可能な態様では、識別ネットワークが処理するデータ量を低減させるために、複数の第２のユーザノードの第１のユーザ特徴と第２のグラフ構造特徴とを融合し、第１の融合特徴を取得し、複数の第３のユーザノードの第２のユーザ特徴と第３のグラフ構造特徴とを融合し、第２の融合特徴を取得し、識別ネットワークを呼び出し、第１の融合特徴及び第２の融合特徴に基づいて、ターゲットグループのグループタイプを識別する。
１つの可能な態様では、第２のユーザノードの数量に基づいて、複数の第２のユーザノードの第１のユーザ特徴及び第２のグラフ構造特徴に対して平均値計算処理を行い、即ち、複数の第２のユーザノードの第１のユーザ特徴及び第２のグラフ構造特徴に基づいて平均値を求め、複数の第２のユーザノードに対応する平均ユーザ特徴を取得し、平均ユーザ特徴と複数の第２のユーザノードの第１のユーザ特徴のうちの最大のユーザ特徴とを連結し、第１の融合特徴を取得する。ここで、第２のグラフ構造特徴に複数の第２のユーザノード間の関連関係が含まれるため、任意の１つの第２のユーザノードについて、該第２のグラフ構造特徴から該第２のユーザノードと他の第２のユーザノードとの間の関連関係を決定することができる。この場合、平均値を求める際に、実際に、第２のユーザノードの第１のユーザ特徴及び該第２のユーザノードと他の第２のユーザノードとの間の関連関係を一体として、複数の第２のユーザノードの第１のユーザ特徴及び複数の関連関係について平均値を求める。
例えば、以下の式を使用して第１の融合特徴を取得する。
ここで、ｓは第１の融合特徴を表し、Ｎは第２のユーザノードの数を表し、ｘｉはｉ番目の第２のユーザノードの第１のユーザ特徴及びｉ番目の第２のユーザノードと他の第２のユーザノードとの間の関連関係を表し、
（外３）

は
（外４）

の前の特徴と
（外５）

の後の特徴とを連結することを表す。
同様に、第３のユーザノードの第２のユーザ特徴と第３のグラフ構造特徴について、第３のユーザノードの数に基づいて、複数の第３のユーザノードの第２のユーザ特徴及び第３のグラフ構造特徴に対して平均値計算処理を行い、即ち、複数の第３のユーザノードの第２のユーザ特徴及び第３のグラフ構造特徴に基づいて平均値を求め、複数の第３のユーザノードに対応する平均ユーザ特徴を取得し、平均ユーザ特徴と複数の第３のユーザノードの第２のユーザ特徴のうちの最大のユーザ特徴とを連結し、第２の融合特徴を取得する。
１つの可能な態様では、第１の融合特徴と第２の融合特徴とを連結し、ターゲットグループに対応する連結特徴を取得し、連結特徴に基づいて、ターゲットグループのグループタイプを識別する。ここで、連結特徴は、ターゲットグループを表す特徴である。
１つの可能な態様では、図６に示すモデル構成の概略図を参照すると、グループタイプ識別モデルは、第１の融合ネットワーク、第２の融合ネットワーク及び連結ネットワークをさらに含む。即ち、第１の融合ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴と第２のグラフ構造特徴とを融合し、第１の融合特徴を取得し、第２の融合ネットワークを呼び出し、複数の第３のユーザノードの第２のユーザ特徴と第３のグラフ構造特徴とを融合し、第２の融合特徴を取得し、連結ネットワークを呼び出し、第１の融合特徴と第２の融合特徴とを連結し、ターゲットグループに対応する連結特徴を取得し、識別ネットワークを呼び出し、連結特徴に基づいて、ターゲットグループのグループタイプを識別する。
ターゲットグループが特定のグループであるか否かを決定することを一例として説明し、１つの可能な態様では、識別ネットワークは、多層パーセプトロンを含む分類器であり、識別ネットワークの出力は０又は１である。識別ネットワークの出力が０である場合、ターゲットグループが特定のグループではないことを示し、識別ネットワークの出力が１である場合、ターゲットグループが特定のグループであることを示す。例えば、以下の式を使用して、識別ネットワークの出力値を決定する。
ここで、
（外６）

は識別ネットワークの出力値を表し、Ｅは連結特徴を表し、
（外７）

はＭＬＰ（Ｍｕｌｔｉ－Ｌａｙｅｒ Ｐｅｒｃｅｐｔｒｏｎ：多層パーセプトロン）を用いて連結特徴を処理することを表す。
もう１つの可能な態様では、識別ネットワークの出力は確率であり、出力の確率が参照確率よりも大きい場合、ターゲットグループが特定のグループであることを示し、出力の確率が参照確率以下である場合、ターゲットグループが特定のグループでないことを示す。
なお、図５に示す実施例は、単にグループタイプ識別モデルを呼び出してターゲットグループのグループタイプを識別することを一例として説明しており、もう１つの実施例では、コンピュータ機器は、直接、第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得し、複数の第１のユーザノードから複数の第２のユーザノードを選択し、複数の第２のユーザノード間の関連関係に基づいて第２のターゲットグラフを構築し、第２のターゲットグラフの第２のグラフ構造特徴に基づいて、複数の第２のユーザノードの第１のユーザ特徴を調整し、複数の第２のユーザノードの第２のユーザ特徴を取得し、第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得し、複数の第２のユーザノードから複数の第３のユーザノードを選択し、複数の第３のユーザノード間の関連関係に基づいて第３のターゲットグラフを構築し、複数の第２のユーザノードの第１のユーザ特徴、第２のグラフ構造特徴、複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別する。
本発明の実施例に係る方法は、各第１のユーザノードのアテンションパラメータを取得する際に、グラフ構造特徴及びユーザノード特徴を考慮するため、ユーザ情報のみを取得する従来技術と比べて、情報量を増加させ、得られたアテンションパラメータがユーザノードのグラフ構造における重要度をより正確に反映することができるため、アテンションパラメータに基づいて複数の第１のユーザノードをスクリーニングする際に、比較的に重要なユーザノードを正確に選択することができる。これらの重要なユーザノードのユーザ特徴及びグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別することで、識別正確率を向上させることができる。また、重要でないユーザノードを廃棄することで、処理すべきデータ量を低減させ、処理速度を向上させることができる。
また、本発明の実施例では、ユーザノードに対して複数回のスクリーニングを行い、異なる階層のユーザ特徴及びグラフ構造特徴を取得し、ターゲットグループを識別する際に、異なる階層のユーザ特徴及びグラフ構造特徴を考慮して、識別正確率をさらに向上させることができる。
１つの可能な態様では、グループタイプ識別モデルを使用する前に、グループタイプ識別モデルを訓練する必要がある。グループタイプ識別モデルの訓練プロセスは、サンプルグループのサンプルタイプ、サンプルグラフのサンプルグラフ構造特徴及びサンプルターゲットグラフにおける複数のサンプルユーザノードのサンプルユーザ特徴を取得するステップと、グループタイプ識別モデルを呼び出し、サンプルグラフ構造特徴及び複数のサンプルユーザノードのサンプルユーザ特徴に基づいて、サンプルグループの予測タイプを識別するステップと、サンプルタイプと前記予測タイプとの差に基づいて、グループタイプ識別モデルを訓練するステップと、を含む。ここで、サンプルユーザノードは、サンプルユーザＩＤに対応するノードであり、サンプルグラフは、サンプルグループにおける複数のサンプルユーザＩＤ間の関連関係に基づいて構築される。
例えば、二乗誤差を使用して、グループタイプ識別モデルを訓練する。
ここで、
（外８）

は予測タイプを表し、Ｙはサンプルタイプを表し、Ｌｉは予測タイプとサンプルタイプの差を表す。
好ましくは、グループタイプ識別モデルを呼び出し、ターゲットグループのグループタイプを識別した後、ターゲットグループを用いて該グループタイプ識別モデルに対する訓練を継続してもよい。
なお、上述した訓練プロセスは、単なる１回の訓練を一例とし、もう１つの実施例では、グループタイプ識別モデルに対して反復的な訓練を複数回実行してもよい。
１つの可能な態様では、ターゲットグループが特定グループであるか否かを決定する応用シナリオについて、従来技術では、キーワードのフィルタリング技術を用いて、ユーザが投稿したコンテンツに特定の単語が含まれているか否かを決定し、特定の単語が含まれている場合、該ターゲットグループが特定グループに属すると判断する。しかし、ユーザが対応する特定の単語の代わりに他の不特定の単語を使用した場合、キーワードのフィルタリングにより当該不特定の単語を検出できず、特定の単語であるか否かを決定できず、ターゲットグループに対する識別正確率が低い。もう１つの従来技術では、ユーザ通報の方式を使用し、即ち、ユーザがターゲットグループに対して通報を行った後、管理者が再び手動でチェックし、ターゲットグループが特定のグループに属するか否かを決定する。しかし、この方式は、ユーザの通報に依存し、ユーザの通報行為の影響を受け、ターゲットグループに対する識別正確率も低い。本発明の実施例に係る方式は、上記の２種類の従来技術と比べて、ユーザが使用する単語及びユーザ通報行為の影響を受けることなく、直接にターゲットグループにおける複数のユーザノード間の関連関係及びユーザノードのユーザ特徴に基づいて、ターゲットグループのグループタイプを識別することができ、識別正確率を向上させることができる。
もう１つの従来技術では、プーリング関数を使用してターゲットグループにおける全てのユーザノードの情報を読み出す。しかし、ユーザノードが多い場合、プーリング関数を使用して全ての情報を読み出すことが困難となり、大量の情報が失われ、ユーザノードが多いほど、処理速度が遅くなる。一方、本発明では、アテンションパラメータに基づいてユーザノードをスクリーニングすることができ、スクリーニングされたユーザノードの情報のみを読み出してよく、且つ、アテンションパラメータの大きさに基づいて重要なノードの情報を保留することができるため、大量の情報を失うことがなく、且つ、情報量を確保すると共に、処理速度を向上させることができる。
図７は、本発明の実施例に係るグループタイプの識別装置の構成の概略図である。図７に示すように、該装置は、以下のモジュールを含む。
特徴取得モジュール７０１は、第１のターゲットグラフの第１のグラフ構造特徴及び第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得する。第１のユーザノードは、ターゲットグループにおけるユーザＩＤに対応するノードであり、第１のターゲットグラフは、複数の第１のユーザノード間の関連関係に基づいて構築される。
第１のアテンション取得モジュール７０２は、第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得する。アテンションパラメータは、第１のターゲットグラフにおける第１のユーザノードの重要度を表す。
第１のスクリーニングモジュール７０３は、複数の第１のユーザノードから複数の第２のユーザノードを選択する。複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい。
タイプ識別モジュール７０４は、複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別する。第２のターゲットグラフは、複数の第２のユーザノード間の関連関係に基づいて構築される。
本発明の実施例に係る装置は、各第１のユーザノードのアテンションパラメータを取得する際に、グラフ構造特徴及びユーザノード特徴を考慮するため、ユーザ情報のみを取得する従来技術と比べて、情報量を増加させ、得られたアテンションパラメータがユーザノードのグラフ構造における重要度をより正確に反映することができるため、アテンションパラメータに基づいて複数の第１のユーザノードをスクリーニングする際に、比較的に重要なユーザノードを正確に選択することができる。これらの重要なユーザノードのユーザ特徴及びグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別することで、識別正確率を向上させることができる。また、重要でないユーザノードを廃棄することで、処理すべきデータ量を低減させ、処理速度を向上させることができる。
１つの可能な態様では、図８に示すように、該装置は、以下のモジュールをさらに含む。
特徴調整モジュール７０５は、第２のグラフ構造特徴に基づいて、複数の第２のユーザノードの第１のユーザ特徴を調整し、複数の第２のユーザノードの第２のユーザ特徴を取得する。
第２のアテンション取得モジュール７０６は、第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得する。
第２のスクリーニングモジュール７０７は、複数の第２のユーザノードから複数の第３のユーザノードを選択する。複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい。
もう１つの可能な態様では、タイプ識別モジュール７０４は、複数の第２のユーザノードの第１のユーザ特徴、第２のグラフ構造特徴、複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別する。第３のターゲットグラフは、複数の第３のユーザノード間の関連関係に基づいて構築される。
もう１つの可能な態様では、図８に示すように、タイプ識別モジュール７０４は、以下の各部を含む。
第１の融合部７０４１は、複数の第２のユーザノードの第１のユーザ特徴と第２のグラフ構造特徴とを融合し、第１の融合特徴を取得する。
第２の融合部７０４２は、複数の第３のユーザノードの第２のユーザ特徴と第３のグラフ構造特徴とを融合し、第２の融合特徴を取得する。
タイプ識別部７０４３は、第１の融合特徴及び第２の融合特徴に基づいて、ターゲットグループのグループタイプを識別する。
もう１つの可能な態様では、図８に示すように、第１の融合部７０４１は、複数の第２のユーザノードの第１のユーザ特徴及び第２のグラフ構造特徴に基づいて平均値を求め、平均ユーザ特徴を取得し、平均ユーザ特徴と複数の第２のユーザノードの第１のユーザ特徴のうちの最大のユーザ特徴とを連結し、第１の融合特徴を取得する。
もう１つの可能な態様では、図８に示すように、タイプ識別部７０４３は、第１の融合特徴と第２の融合特徴とを連結し、ターゲットグループに対応する連結特徴を取得し、連結特徴に基づいて、ターゲットグループのグループタイプを識別する。
もう１つの可能な態様では、図８に示すように、グループタイプ識別モデルは、第１のアテンションネットワーク、第１のスクリーニングネットワーク及び識別ネットワークを含む。
第１のアテンション取得モジュール７０２は、第１のアテンションネットワークを呼び出し、第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得する。
第１のスクリーニングモジュール７０３は、第１のスクリーニングネットワークを呼び出し、複数の第１のユーザノードから複数の第２のユーザノードを選択する。
タイプ識別モジュール７０４は、識別ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴及び第２のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別する。
もう１つの可能な態様では、グループタイプ識別モデルは、第１の畳み込みネットワーク、第２のアテンションネットワーク及び第２のスクリーニングネットワークをさらに含む。図８に示すように、該装置は、以下のモジュールをさらに含む。
特徴調整モジュール７０５は、第１の畳み込みネットワークを呼び出し、第２のグラフ構造特徴に基づいて、複数の第２のユーザノードの第１のユーザ特徴を調整し、複数の第２のユーザノードの第２のユーザ特徴を取得する。
第２のアテンション取得モジュール７０６は、第２のアテンションネットワークを呼び出し、第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得する。
第２のスクリーニングモジュール７０７は、第２のスクリーニングネットワークを呼び出し、複数の第２のユーザノードから複数の第３のユーザノードを選択する。複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい。
もう１つの可能な態様では、タイプ識別モジュール７０４は、識別ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴、第２のグラフ構造特徴、複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別する。第３のターゲットグラフは、複数の第３のユーザノード間の関連関係に基づいて構築される。
もう１つの可能な態様では、グループタイプ識別モデルは、第１の融合ネットワーク及び第２の融合ネットワークをさらに含む。図８に示すように、タイプ識別モジュール７０４は、以下の各部を含む。
第１の融合部７０４１は、第１の融合ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴と第２のグラフ構造特徴とを融合し、第１の融合特徴を取得する。
第２の融合部７０４２は、第２の融合ネットワークを呼び出し、複数の第３のユーザノードの第２のユーザ特徴と前記第３のグラフ構造特徴とを融合し、第２の融合特徴を取得する。
タイプ識別部７０４３は、識別ネットワークを呼び出し、第１の融合特徴及び第２の融合特徴に基づいて、ターゲットグループのグループタイプを識別する。
もう１つの可能な態様では、グループタイプ識別モデルは、連結ネットワークをさらに含む。図８に示すように、タイプ識別部７０４３は、連結ネットワークを呼び出し、第１の融合特徴と第２の融合特徴とを連結し、ターゲットグループに対応する連結特徴を取得し、識別ネットワークを呼び出し、連結特徴に基づいて、ターゲットグループのグループタイプを識別する。
もう１つの可能な態様では、グループタイプ識別モデルの訓練プロセスは、サンプルグループのサンプルタイプ、サンプルグラフのサンプルグラフ構造特徴及びサンプルターゲットグラフにおける複数のサンプルユーザノードのサンプルユーザ特徴を取得するステップであって、サンプルユーザノードは、サンプルユーザＩＤに対応するノードであり、サンプルグラフは、サンプルグループにおける複数のサンプルユーザＩＤ間の関連関係に基づいて構築される、ステップと、グループタイプ識別モデルを呼び出し、サンプルグラフ構造特徴及び複数のサンプルユーザノードのサンプルユーザ特徴に基づいて、サンプルグループの予測タイプを識別するステップと、サンプルタイプと予測タイプとの差に基づいて、グループタイプ識別モデルを訓練するステップと、を含む。
もう１つの可能な態様では、図８に示すように、第１のスクリーニングモジュール７０３は、複数の第１のユーザノードの数と参照比率とを乗算して参照数を取得し、複数の第１のユーザノードのアテンションパラメータを大きい順に並び替え、並び替えられた上位の参照数のアテンションパラメータを選択し、選択されたアテンションパラメータに対応する第１のユーザノードを前記第２のユーザノードとする。
もう１つの可能な態様では、グラフ構造特徴は、複数のユーザノードのうちの任意の２つのユーザノード間の関連度を含む。図８に示すように、特徴取得モジュール７０１は、ターゲットグループにおける任意の２つのユーザＩＤの共通出現回数を取得し、共通出現回数は、複数の参照期間内に、任意の２つのユーザＩＤに基づいてターゲットグループにおいて共通してコンテンツを投稿した回数であり、共通出現回数に基づいて、任意の２つのユーザＩＤ間の関連度を決定し、関連度と共通出現回数とは正の相関関係にある。
もう１つの可能な態様では、ユーザ特徴は、ユーザ行動特徴及びユーザ属性特徴を含む。図８に示すように、特徴取得モジュール７０１は、登録された複数のユーザＩＤを含むユーザソーシャルネットワークを取得し、ユーザソーシャルネットワークに基づいて、複数のユーザＩＤのユーザ行動特徴を取得し、複数のユーザＩＤに対応するユーザ画像情報に基づいて、複数のユーザＩＤのユーザ属性特徴を取得する。
上記の全ての可能な態様を任意に組み合わせて本発明の可能な実施例を形成してもよく、ここでその説明を省略する
なお、上記の実施例に係るグループタイプの識別装置がグループタイプを識別する際に、単に上記の機能モジュールの分割を一例にして説明する。実際に応用する際に、必要に応じて上記の機能を異なる機能ブロックに割り当ててもよい。即ち、電子機器の内部構造を様々な機能モジュールに分割して、上記の機能の全て又は一部を実行してもよい。また、上記の実施例に係るグループタイプの識別装置は、グループタイプの識別方法と同一の概念に属し、その具体的な実施プロセスは、方法の実施例を参照してもよく、ここでその説明を省略する。
本発明の実施例は、コンピュータ機器をさらに提供し、該コンピュータ機器は、プロセッサと、少なくとも１つのコンピュータプログラムが記憶されたメモリと、を含み、該少なくとも１つのコンピュータプログラムは、第１のターゲットグラフの第１のグラフ構造特徴及び第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得するステップであって、第１のユーザノードは、ターゲットグループにおけるユーザＩＤに対応するノードであり、第１のターゲットグラフは、複数の第１のユーザノード間の関連関係に基づいて構築される、ステップと、第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得するステップであって、アテンションパラメータは、第１のターゲットグラフにおける第１のユーザノードの重要度を表す、ステップと、複数の第１のユーザノードから複数の第２のユーザノードを選択するステップであって、複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい、ステップと、複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別するステップであって、第２のターゲットグラフは、複数の第２のユーザノード間の関連関係に基づいて構築される、ステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、第２のグラフ構造特徴に基づいて、複数の第２のユーザノードの第１のユーザ特徴を調整し、複数の第２のユーザノードの第２のユーザ特徴を取得するステップと、第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得するステップと、複数の第２のユーザノードから複数の第３のユーザノードを選択するステップであって、複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい、ステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、複数の第２のユーザノードの第１のユーザ特徴、第２のグラフ構造特徴、複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別するステップであって、第３のターゲットグラフは、複数の第３のユーザノード間の関連関係に基づいて構築される、ステップ、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、複数の第２のユーザノードの第１のユーザ特徴と第２のグラフ構造特徴とを融合し、第１の融合特徴を取得するステップと、複数の第３のユーザノードの第２のユーザ特徴と第３のグラフ構造特徴とを融合し、第２の融合特徴を取得するステップと、第１の融合特徴及び第２の融合特徴に基づいて、ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、複数の第２のユーザノードの第１のユーザ特徴及び第２のグラフ構造特徴に基づいて平均値を求め、平均ユーザ特徴を取得するステップと、平均ユーザ特徴と複数の第２のユーザノードの第１のユーザ特徴のうちの最大のユーザ特徴とを連結し、第１の融合特徴を取得するステップとを実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、第１の融合特徴と第２の融合特徴とを連結し、ターゲットグループに対応する連結特徴を取得するステップと、連結特徴に基づいて、ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グループタイプ識別モデルは、第１のアテンションネットワーク、第１のスクリーニングネットワーク及び識別ネットワークを含む。該少なくとも１つのコンピュータプログラムは、前記第１のアテンションネットワークを呼び出し、前記第１のグラフ構造特徴及び前記複数の第１のユーザ特徴に基づいて、前記各第１のユーザノードのアテンションパラメータを取得するステップと、前記第１のスクリーニングネットワークを呼び出し、前記複数の第１のユーザノードから前記複数の第２のユーザノードを選択するステップと、前記識別ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴及び前記第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グループタイプ識別モデルは、第１の畳み込みネットワーク、第２のアテンションネットワーク及び第２のスクリーニングネットワークをさらに含む。該少なくとも１つのコンピュータプログラムは、第１の畳み込みネットワークを呼び出し、第２のグラフ構造特徴に基づいて、複数の第２のユーザノードの第１のユーザ特徴を調整し、複数の第２のユーザノードの第２のユーザ特徴を取得するステップと、第２のアテンションネットワークを呼び出し、第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得するステップと、第２のスクリーニングネットワークを呼び出し、複数の第２のユーザノードから複数の第３のユーザノードを選択するステップであって、複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい、ステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、識別ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴、第２のグラフ構造特徴、複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別するステップであって、第３のターゲットグラフは、複数の第３のユーザノード間の関連関係に基づいて構築される、ステップを実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グループタイプ識別モデルは、第１の融合ネットワーク及び第２の融合ネットワークをさらに含む。該少なくとも１つのコンピュータプログラムは、第１の融合ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴と第２のグラフ構造特徴とを融合し、第１の融合特徴を取得するステップと、第２の融合ネットワークを呼び出し、複数の第３のユーザノードの第２のユーザ特徴と第３のグラフ構造特徴とを融合し、第２の融合特徴を取得するステップと、識別ネットワークを呼び出し、第１の融合特徴及び第２の融合特徴に基づいて、ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グループタイプ識別モデルは、連結ネットワークをさらに含む。該少なくとも１つのコンピュータプログラムは、連結ネットワークを呼び出し、第１の融合特徴と前記第２の融合特徴とを連結し、ターゲットグループに対応する連結特徴を取得するステップと、識別ネットワークを呼び出し、連結特徴に基づいて、ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、サンプルグループのサンプルタイプ、サンプルグラフのサンプルグラフ構造特徴及びサンプルターゲットグラフにおける複数のサンプルユーザノードのサンプルユーザ特徴を取得するステップであって、サンプルユーザノードは、サンプルユーザＩＤに対応するノードであり、サンプルグラフは、サンプルグループにおける複数のサンプルユーザＩＤ間の関連関係に基づいて構築される、ステップと、グループタイプ識別モデルを呼び出し、サンプルグラフ構造特徴及び複数のサンプルユーザノードのサンプルユーザ特徴に基づいて、サンプルグループの予測タイプを識別するステップと、サンプルタイプと前記予測タイプとの差に基づいて、グループタイプ識別モデルを訓練するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グラフ構造特徴は、複数のユーザノードのうちの任意の２つのユーザノード間の関連度を含む。該少なくとも１つのコンピュータプログラムは、ターゲットグループにおける任意の２つのユーザＩＤの共通出現回数を取得するステップであって、共通出現回数は、複数の参照期間内に、任意の２つのユーザＩＤに基づいてターゲットグループにおいて共通してコンテンツを投稿した回数である、ステップと、共通出現回数に基づいて、任意の２つのユーザＩＤ間の関連度を決定するステップであって、関連度と共通出現回数とは正の相関関係にある、ステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、複数の第１のユーザノードの数と参照比率とを乗算して参照数を取得するステップと、複数の第１のユーザノードのアテンションパラメータを大きい順に並び替え、並び替えられた上位の参照数のアテンションパラメータを選択し、選択されたアテンションパラメータに対応する第１のユーザノードを第２のユーザノードとするステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、ユーザ特徴は、ユーザ行動特徴及びユーザ属性特徴を含む。該少なくとも１つのコンピュータプログラムは、登録された複数のユーザＩＤを含むユーザソーシャルネットワークを取得するステップと、ユーザソーシャルネットワークに基づいて、複数のユーザＩＤのユーザ行動特徴を取得するステップと、複数のユーザＩＤに対応するユーザ画像情報に基づいて、複数のユーザＩＤのユーザ属性特徴を取得するステップと、を実現するように、プロセッサによりロードされて実行される。
好ましくは、コンピュータ機器は、端末として提供される。図９は、本発明の実施例に係る端末９００の構成の概略図である。端末９００は、プロセッサ９０１及びメモリ９０２を含む。
プロセッサ９０１は、４コアプロセッサ、８コアプロセッサなどのような１つ又は複数の処理コアを含んでもよい。プロセッサ９０１は、メインプロセッサ及びコプロセッサを含んでもよい。メインプロセッサは、アウェイク状態でデータを処理するために使用されるプロセッサであり、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：中央処理装置）とも称される。コプロセッサは、スタンバイ状態でデータを処理するために使用される低電力プロセッサである。幾つかの実施例では、プロセッサ９０１は、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ：グラフィックスプロセッシングユニット）と統合されてもよく、ＧＰＵは、表示画面に表示される必要がある内容をレンダリング及び描画するために使用される。
メモリ９０２は、１つ又は複数のコンピュータ読み取り可能な記憶媒体を含んでもよく、該コンピュータ読み取り可能な記憶媒体は、有形で非一時的であってもよい。メモリ９０２は、高速ランダムアクセスメモリ及び不揮発性メモリ、例えば、１つ又は複数の磁気ディスク記憶装置やフラッシュメモリ記憶装置をさらに含んでもよい。幾つかの実施例では、メモリ９０２における非一時的なコンピュータ読み取り可能な記憶媒体は、少なくとも１つの命令が記憶され、該少なくとも１つの命令は、本発明の実施例に係るグループタイプの識別方法を実現するように、プロセッサ９０１により実行されるために使用される。
幾つかの実施例では、端末９００は、好ましくは、周辺機器インターフェース９０３及び少なくとも１つの周辺機器をさらに含んでもよい。プロセッサ９０１とメモリ９０２と周辺機器インターフェース９０３とは、バス又は信号線を介して接続することができる。各周辺機器は、バス、信号線又は回路基板を介して周辺機器インターフェース９０３に接続することができる。具体的には、周辺機器は、無線周波数回路９０４、表示スクリーン９０５、カメラコンポーネント９０６、オーディオ回路９０７、及び電源９０９のうちの少なくとも１つを含む。
周辺機器インターフェース９０３は、Ｉ／Ｏ（入力／出力）に関連する少なくとも１つの周辺機器をプロセッサ９０１及びメモリ９０２に接続するために使用されてもよい。幾つかの実施例では、プロセッサ９０１、メモリ９０２及び周辺機器インターフェース９０３は、同一のチップ又は回路基板に統合される。他の幾つかの実施例では、プロセッサ９０１、メモリ９０２及び周辺機器インターフェース９０３の何れか１つ又は２つは、単独したチップ又は回路基板に実装されてもよいが、本実施例はこれらに限定されない。
無線周波数回路９０４は、電磁信号とも称されるＲＦ（Ｒａｄｉｏ Ｆｒｅｑｕｅｎｃｙ：無線周波数）信号を送受信するために使用される。無線周波数回路９０４は、電磁信号を介して通信ネットワーク及び他の通信機器と通信する。無線周波数回路９０４は、電気信号を送信用の電磁信号に変換し、或いは、受信した電磁信号を電気信号に変換する。
表示スクリーン９０５は、ＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ：ユーザインターフェース）を表示するために使用される。該ＵＩは、グラフィック、テキスト、アイコン、ビデオ、及びそれらの任意の組み合わせを含んでもよい。表示スクリーン９０５は、タッチ表示スクリーンである場合、表示スクリーン９０５の表面又は表面の上方でのタッチ信号を取り込む能力を有する。タッチ信号は、処理のための制御信号としてプロセッサ９０１に入力されてもよい。
カメラコンポーネント９０６は、画像又はビデオを取り込むために使用される。好ましくは、カメラコンポーネント９０６は、フロントカメラ及びリアカメラを含む。
オーディオ回路９０７は、マイクロフォン及びスピーカを含んでもよい。マイクロフォンは、ユーザ及び環境の音波を取り込み、音波を電気信号に変換して処理のためにプロセッサ９０１に入力し、或いは無線周波数回路９０４に入力して音声通信を実現するために使用される。
電源９０９は、端末９００内の各コンポーネントに電力を供給するために使用される。電源９０９は、交流、直流、一次的な電池、又は充電式電池であってもよい。
なお、当業者が理解できるように、端末９００は、図９に示す構成に限定されず、図示されているものより多く、又は少ない構成要素を含んでもよいし、特定の構成要素を組み合わせてもよいし、異なる構成要素の配置を採用してもよい。
好ましくは、該コンピュータ機器は、サーバとして実現されてもよい。図１０は、本発明の実施例に係るサーバの構成の概略図である。サーバ１０００は、構成又は性能が異なるために大きく異なる可能性がある。サーバ１０００は、１つ又は複数のプロセッサ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔｓ：ＣＰＵ）１００１及び１つ又は複数のメモリ１００２を含む。ここで、メモリ１００２には、少なくとも１つのコンピュータプログラムが記憶され、該少なくとも１つのコンピュータプログラムは、上記の各実施例に係る方法を実現するように、１つ又は複数のプロセッサ１００１によりロードされて実行される。好ましくは、サーバ１０００は、入力及び出力を行うために、有線又は無線のネットワークインターフェース、キーボード、及び入力／出力インターフェースなどのコンポーネントをさらに含み、サーバ１０００は、機器機能を実現するための他のコンポーネントをさらに含むが、ここでその説明を省略する。
本発明の実施例は、少なくとも１つのコンピュータプログラムが記憶された、コンピュータ読み取り可能な記憶媒体をさらに提供する。該少なくとも１つのコンピュータプログラムは、第１のターゲットグラフの第１のグラフ構造特徴及び第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得するステップであって、第１のユーザノードは、ターゲットグループにおけるユーザＩＤに対応するノードであり、第１のターゲットグラフは、複数の第１のユーザノード間の関連関係に基づいて構築される、ステップと、第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得するステップであって、アテンションパラメータは、第１のターゲットグラフにおける第１のユーザノードの重要度を表す、ステップと、複数の第１のユーザノードから複数の第２のユーザノードを選択するステップであって、複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい、ステップと、複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別するステップであって、第２のターゲットグラフは、複数の第２のユーザノード間の関連関係に基づいて構築される、ステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、第２のグラフ構造特徴に基づいて、複数の第２のユーザノードの第１のユーザ特徴を調整し、複数の第２のユーザノードの第２のユーザ特徴を取得するステップと、第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得するステップと、複数の第２のユーザノードから複数の第３のユーザノードを選択するステップであって、複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい、ステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、複数の第２のユーザノードの第１のユーザ特徴、第２のグラフ構造特徴、複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別するステップであって、第３のターゲットグラフは、複数の第３のユーザノード間の関連関係に基づいて構築される、ステップ、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、複数の第２のユーザノードの第１のユーザ特徴と第２のグラフ構造特徴とを融合し、第１の融合特徴を取得するステップと、複数の第３のユーザノードの第２のユーザ特徴と第３のグラフ構造特徴とを融合し、第２の融合特徴を取得するステップと、第１の融合特徴及び第２の融合特徴に基づいて、ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、複数の第２のユーザノードの第１のユーザ特徴及び第２のグラフ構造特徴に基づいて平均値を求め、平均ユーザ特徴を取得するステップと、平均ユーザ特徴と複数の第２のユーザノードの第１のユーザ特徴のうちの最大のユーザ特徴とを連結し、第１の融合特徴を取得するステップとを実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、第１の融合特徴と第２の融合特徴とを連結し、ターゲットグループに対応する連結特徴を取得するステップと、連結特徴に基づいて、ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グループタイプ識別モデルは、第１のアテンションネットワーク、第１のスクリーニングネットワーク及び識別ネットワークを含む。該少なくとも１つのコンピュータプログラムは、前記第１のアテンションネットワークを呼び出し、前記第１のグラフ構造特徴及び前記複数の第１のユーザ特徴に基づいて、前記各第１のユーザノードのアテンションパラメータを取得するステップと、前記第１のスクリーニングネットワークを呼び出し、前記複数の第１のユーザノードから前記複数の第２のユーザノードを選択するステップと、前記識別ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴及び前記第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グループタイプ識別モデルは、第１の畳み込みネットワーク、第２のアテンションネットワーク及び第２のスクリーニングネットワークをさらに含む。該少なくとも１つのコンピュータプログラムは、第１の畳み込みネットワークを呼び出し、第２のグラフ構造特徴に基づいて、複数の第２のユーザノードの第１のユーザ特徴を調整し、複数の第２のユーザノードの第２のユーザ特徴を取得するステップと、第２のアテンションネットワークを呼び出し、第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得するステップと、第２のスクリーニングネットワークを呼び出し、複数の第２のユーザノードから複数の第３のユーザノードを選択するステップであって、複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい、ステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、識別ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴、第２のグラフ構造特徴、複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、ターゲットグループのグループタイプを識別するステップであって、第３のターゲットグラフは、複数の第３のユーザノード間の関連関係に基づいて構築される、ステップを実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グループタイプ識別モデルは、第１の融合ネットワーク及び第２の融合ネットワークをさらに含む。該少なくとも１つのコンピュータプログラムは、第１の融合ネットワークを呼び出し、複数の第２のユーザノードの第１のユーザ特徴と第２のグラフ構造特徴とを融合し、第１の融合特徴を取得するステップと、第２の融合ネットワークを呼び出し、複数の第３のユーザノードの第２のユーザ特徴と第３のグラフ構造特徴とを融合し、第２の融合特徴を取得するステップと、識別ネットワークを呼び出し、第１の融合特徴及び第２の融合特徴に基づいて、ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グループタイプ識別モデルは、連結ネットワークをさらに含む。該少なくとも１つのコンピュータプログラムは、連結ネットワークを呼び出し、第１の融合特徴と前記第２の融合特徴とを連結し、ターゲットグループに対応する連結特徴を取得するステップと、識別ネットワークを呼び出し、連結特徴に基づいて、ターゲットグループのグループタイプを識別するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、サンプルグループのサンプルタイプ、サンプルグラフのサンプルグラフ構造特徴及びサンプルターゲットグラフにおける複数のサンプルユーザノードのサンプルユーザ特徴を取得するステップであって、サンプルユーザノードは、サンプルユーザＩＤに対応するノードであり、サンプルグラフは、サンプルグループにおける複数のサンプルユーザＩＤ間の関連関係に基づいて構築される、ステップと、グループタイプ識別モデルを呼び出し、サンプルグラフ構造特徴及び複数のサンプルユーザノードのサンプルユーザ特徴に基づいて、サンプルグループの予測タイプを識別するステップと、サンプルタイプと前記予測タイプとの差に基づいて、グループタイプ識別モデルを訓練するステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、グラフ構造特徴は、複数のユーザノードのうちの任意の２つのユーザノード間の関連度を含む。該少なくとも１つのコンピュータプログラムは、ターゲットグループにおける任意の２つのユーザＩＤの共通出現回数を取得するステップであって、共通出現回数は、複数の参照期間内に、任意の２つのユーザＩＤに基づいてターゲットグループにおいて共通してコンテンツを投稿した回数である、ステップと、共通出現回数に基づいて、任意の２つのユーザＩＤ間の関連度を決定するステップであって、関連度と共通出現回数とは正の相関関係にある、ステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、該少なくとも１つのコンピュータプログラムは、複数の第１のユーザノードの数と参照比率とを乗算して参照数を取得するステップと、複数の第１のユーザノードのアテンションパラメータを大きい順に並び替え、並び替えられた上位の参照数のアテンションパラメータを選択し、選択されたアテンションパラメータに対応する第１のユーザノードを第２のユーザノードとするステップと、を実現するように、プロセッサによりロードされて実行される。
１つの可能な態様では、ユーザ特徴は、ユーザ行動特徴及びユーザ属性特徴を含む。該少なくとも１つのコンピュータプログラムは、登録された複数のユーザＩＤを含むユーザソーシャルネットワークを取得するステップと、ユーザソーシャルネットワークに基づいて、複数のユーザＩＤのユーザ行動特徴を取得するステップと、複数のユーザＩＤに対応するユーザ画像情報に基づいて、複数のユーザＩＤのユーザ属性特徴を取得するステップと、を実現するように、プロセッサによりロードされて実行される。
本発明の実施例は、コンピュータ読み取り可能な記憶媒体に記憶されたコンピュータプログラムコードを含むコンピュータプログラム製品又はコンピュータプログラムをさらに提供する。コンピュータ機器のプロセッサは、該コンピュータ機器で上記のグループタイプの識別方法を実行するように、コンピュータ読み取り可能な記憶媒体からコンピュータプログラムコードを読み取って実行する。
当業者が理解できるように、上記の実施例のステップの全部又は一部は、ハードウェアにより実現されてもよいし、関連するハードウェアが実行するようにプログラムを介して指示することで実現されてもよい。該プログラムは、コンピュータ読み取り可能な記憶媒体に記憶されてもよい。上述した記憶媒体は、読み取り専用メモリ、磁気ディスク又は光ディスクなどであってもよい。
なお、本発明の具体的な実施形態では、ユーザＩＤ、ユーザ行動、ユーザ属性データなどに関連するデータが言及されているが、本発明の上記の実施形態が具体的な製品又は技術に適用される際に、ユーザの許可又は同意が必要であり、関連するデータの収集、使用及び処理は、関連する国及び地域の関連する法令及び基準に準拠する必要がある。
以上は、単に本発明の例示的な実施例を説明し、本発明を制限するものではない。本発明の主旨及び原則の範囲内で行われる変更、均等的な置換、改良などは、本発明の保護範囲内に含まれる。

Claims (18)

  1. コンピュータ機器が実行する、グループタイプの識別方法であって、
    第１のターゲットグラフの第１のグラフ構造特徴及び前記第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得するステップであって、前記第１のユーザノードは、ターゲットグループにおけるユーザＩＤに対応するノードであり、前記第１のターゲットグラフは、前記複数の第１のユーザノード間の関連関係に基づいて構築される、ステップと、
    前記第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得するステップであって、前記アテンションパラメータは、前記第１のターゲットグラフにおける前記第１のユーザノードの重要度を表す、ステップと、
    前記複数の第１のユーザノードから複数の第２のユーザノードを選択するステップであって、前記複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい、ステップと、
    前記複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップであって、前記第２のターゲットグラフは、前記複数の第２のユーザノード間の関連関係に基づいて構築される、ステップと、を含む、方法。
  2. 前記複数の第１のユーザノードから複数の第２のユーザノードを選択した後に、
    前記第２のグラフ構造特徴に基づいて、前記複数の第２のユーザノードの第１のユーザ特徴を調整し、前記複数の第２のユーザノードの第２のユーザ特徴を取得するステップと、
    前記第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得するステップと、
    前記複数の第２のユーザノードから複数の第３のユーザノードを選択するステップであって、前記複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい、ステップと、をさらに含む、請求項１に記載の方法。
  3. 前記複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップは、
    前記複数の第２のユーザノードの第１のユーザ特徴、前記第２のグラフ構造特徴、前記複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップであって、前記第３のターゲットグラフは、前記複数の第３のユーザノード間の関連関係に基づいて構築される、ステップ、を含む、請求項２に記載の方法。
  4. 前記複数の第２のユーザノードの第１のユーザ特徴、前記第２のグラフ構造特徴、前記複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップは、
    前記複数の第２のユーザノードの第１のユーザ特徴と前記第２のグラフ構造特徴とを融合し、第１の融合特徴を取得するステップと、
    前記複数の第３のユーザノードの第２のユーザ特徴と前記第３のグラフ構造特徴とを融合し、第２の融合特徴を取得するステップと、
    前記第１の融合特徴及び前記第２の融合特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップと、を含む、請求項３に記載の方法。
  5. 前記複数の第２のユーザノードの第１のユーザ特徴と前記第２のグラフ構造特徴とを融合し、第１の融合特徴を取得するステップは、
    前記複数の第２のユーザノードの第１のユーザ特徴及び前記第２のグラフ構造特徴に基づいて平均値を求め、平均ユーザ特徴を取得するステップと、
    前記平均ユーザ特徴と前記複数の第２のユーザノードの第１のユーザ特徴のうちの最大のユーザ特徴とを連結し、前記第１の融合特徴を取得するステップと、を含む、請求項４に記載の方法。
  6. 前記第１の融合特徴及び前記第２の融合特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップは、
    前記第１の融合特徴と前記第２の融合特徴とを連結し、前記ターゲットグループに対応する連結特徴を取得するステップと、
    前記連結特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップと、を含む、請求項４又は５に記載の方法。
  7. グループタイプ識別モデルは、第１のアテンションネットワーク、第１のスクリーニングネットワーク及び識別ネットワークを含み、
    前記第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得するステップは、
    前記第１のアテンションネットワークを呼び出し、前記第１のグラフ構造特徴及び前記複数の第１のユーザ特徴に基づいて、前記各第１のユーザノードのアテンションパラメータを取得するステップ、を含み、
    前記複数の第１のユーザノードから複数の第２のユーザノードを選択するステップは、
    前記第１のスクリーニングネットワークを呼び出し、前記複数の第１のユーザノードから前記複数の第２のユーザノードを選択するステップ、を含み、
    前記複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップは、
    前記識別ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴及び前記第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップ、を含む、請求項１に記載の方法。
  8. 前記グループタイプ識別モデルは、第１の畳み込みネットワーク、第２のアテンションネットワーク及び第２のスクリーニングネットワークをさらに含み、
    前記方法は、前記第１のスクリーニングネットワークを呼び出し、前記複数の第１のユーザノードから前記複数の第２のユーザノードを選択した後に、
    前記第１の畳み込みネットワークを呼び出し、前記第２のグラフ構造特徴に基づいて、前記複数の第２のユーザノードの第１のユーザ特徴を調整し、前記複数の第２のユーザノードの第２のユーザ特徴を取得するステップと、
    前記第２のアテンションネットワークを呼び出し、前記第２のグラフ構造特徴及び複数の第２のユーザ特徴に基づいて、各第２のユーザノードのアテンションパラメータを取得するステップと、
    前記第２のスクリーニングネットワークを呼び出し、前記複数の第２のユーザノードから複数の第３のユーザノードを選択するステップであって、前記複数の第３のユーザノードのアテンションパラメータは、選択されていない第２のユーザノードのアテンションパラメータよりも大きい、ステップと、をさらに含む、請求項７に記載の方法。
  9. 前記識別ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴及び前記第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップは、
    前記識別ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴、前記第２のグラフ構造特徴、前記複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップであって、前記第３のターゲットグラフは、前記複数の第３のユーザノード間の関連関係に基づいて構築される、ステップ、を含む、請求項８に記載の方法。
  10. 前記グループタイプ識別モデルは、第１の融合ネットワーク及び第２の融合ネットワークをさらに含み、
    前記識別ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴、前記第２のグラフ構造特徴、前記複数の第３のユーザノードの第２のユーザ特徴及び第３のターゲットグラフの第３のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップは、
    前記第１の融合ネットワークを呼び出し、前記複数の第２のユーザノードの第１のユーザ特徴と前記第２のグラフ構造特徴とを融合し、第１の融合特徴を取得するステップと、
    前記第２の融合ネットワークを呼び出し、前記複数の第３のユーザノードの第２のユーザ特徴と前記第３のグラフ構造特徴とを融合し、第２の融合特徴を取得するステップと、
    前記識別ネットワークを呼び出し、前記第１の融合特徴及び前記第２の融合特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップと、を含む、請求項９に記載の方法。
  11. 前記グループタイプ識別モデルは、連結ネットワークをさらに含み、
    前記識別ネットワークを呼び出し、前記第１の融合特徴及び前記第２の融合特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップは、
    前記連結ネットワークを呼び出し、前記第１の融合特徴と前記第２の融合特徴とを連結し、前記ターゲットグループに対応する連結特徴を取得するステップと、
    前記識別ネットワークを呼び出し、前記連結特徴に基づいて、前記ターゲットグループのグループタイプを識別するステップと、を含む、請求項１０に記載の方法。
  12. 前記グループタイプ識別モデルの訓練プロセスは、
    サンプルグループのサンプルタイプ、サンプルグラフのサンプルグラフ構造特徴及び前記サンプルターゲットグラフにおける複数のサンプルユーザノードのサンプルユーザ特徴を取得するステップであって、前記サンプルユーザノードは、前記サンプルユーザＩＤに対応するノードであり、前記サンプルグラフは、サンプルグループにおける複数のサンプルユーザＩＤ間の関連関係に基づいて構築される、ステップと、
    前記グループタイプ識別モデルを呼び出し、前記サンプルグラフ構造特徴及び前記複数のサンプルユーザノードのサンプルユーザ特徴に基づいて、前記サンプルグループの予測タイプを識別するステップと、
    前記サンプルタイプと前記予測タイプとの差に基づいて、前記グループタイプ識別モデルを訓練するステップと、を含む、請求項７乃至１１の何れかに記載の方法。
  13. グラフ構造特徴は、複数のユーザノードのうちの任意の２つのユーザノード間の関連度を含み、
    前記第１のターゲットグラフの前記グラフ構造特徴を取得するステップは、
    前記ターゲットグループにおける任意の２つのユーザＩＤの共通出現回数を取得するステップであって、前記共通出現回数は、複数の参照期間内に、前記任意の２つのユーザＩＤに基づいて前記ターゲットグループにおいて共通してコンテンツを投稿した回数である、ステップと、
    前記共通出現回数に基づいて、前記任意の２つのユーザＩＤ間の関連度を決定するステップであって、前記関連度と前記共通出現回数とは正の相関関係にある、ステップと、を含む、請求項１乃至１２の何れかに記載の方法。
  14. 前記複数の第１のユーザノードから複数の第２のユーザノードを選択するステップは、
    前記複数の第１のユーザノードの数と参照比率とを乗算して参照数を取得するステップと、
    前記複数の第１のユーザノードのアテンションパラメータを大きい順に並び替え、並び替えられた上位の参照数のアテンションパラメータを選択し、選択されたアテンションパラメータに対応する第１のユーザノードを前記第２のユーザノードとするステップと、を含む、請求項１乃至１３の何れかに記載の方法。
  15. ユーザ特徴は、ユーザ行動特徴及びユーザ属性特徴を含み、
    前記第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得するステップは、
    登録された複数のユーザＩＤを含むユーザソーシャルネットワークを取得するステップと、
    前記ユーザソーシャルネットワークに基づいて、前記複数のユーザＩＤのユーザ行動特徴を取得するステップと、
    前記複数のユーザＩＤに対応するユーザ画像情報に基づいて、前記複数のユーザＩＤのユーザ属性特徴を取得するステップと、を含む、請求項１乃至１４の何れかに記載の方法。
  16. グループタイプの識別装置であって、
    第１のターゲットグラフの第１のグラフ構造特徴及び前記第１のターゲットグラフにおける複数の第１のユーザノードの第１のユーザ特徴を取得する特徴取得モジュールであって、前記第１のユーザノードは、ターゲットグループにおけるユーザＩＤに対応するノードであり、前記第１のターゲットグラフは、前記複数の第１のユーザノード間の関連関係に基づいて構築される、特徴取得モジュールと、
    前記第１のグラフ構造特徴及び複数の第１のユーザ特徴に基づいて、各第１のユーザノードのアテンションパラメータを取得する第１のアテンション取得モジュールであって、前記アテンションパラメータは、前記第１のターゲットグラフにおける前記第１のユーザノードの重要度を表す、第１のアテンション取得モジュールと、
    前記複数の第１のユーザノードから複数の第２のユーザノードを選択する第１のスクリーニングモジュールであって、前記複数の第２のユーザノードのアテンションパラメータは、選択されていない第１のユーザノードのアテンションパラメータよりも大きい、第１のスクリーニングモジュールと、
    前記複数の第２のユーザノードの第１のユーザ特徴及び第２のターゲットグラフの第２のグラフ構造特徴に基づいて、前記ターゲットグループのグループタイプを識別するタイプ識別モジュールであって、前記第２のターゲットグラフは、前記複数の第２のユーザノード間の関連関係に基づいて構築される、タイプ識別モジュールと、を含む、装置。
  17. プロセッサと、少なくとも１つのコンピュータプログラムが記憶されたメモリと、を含むコンピュータ機器であって、
    前記少なくとも１つのコンピュータプログラムは、請求項１乃至１５の何れかに記載のグループタイプの識別方法を実現するように、前記プロセッサによりロードされて実行される、コンピュータ機器。
  18. 請求項１乃至１５の何れかに記載のグループタイプの識別方法を実現するように、プロセッサによりロードされて実行される、コンピュータプログラム。
JP2023519589A 2021-01-04 2021-12-27 グループタイプの識別方法、装置、コンピュータ機器及びコンピュータプログラム Pending JP2023544022A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202110002127.7 2021-01-04
CN202110002127.7A CN114764480A (zh) 2021-01-04 2021-01-04 群组类型识别方法、装置、计算机设备及介质
PCT/CN2021/141553 WO2022143505A1 (zh) 2021-01-04 2021-12-27 群组类型识别方法、装置、计算机设备及介质

Publications (1)

Publication Number Publication Date
JP2023544022A true JP2023544022A (ja) 2023-10-19

Family

ID=82260211

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023519589A Pending JP2023544022A (ja) 2021-01-04 2021-12-27 グループタイプの識別方法、装置、コンピュータ機器及びコンピュータプログラム

Country Status (4)

Country Link
US (1) US11916853B2 (ja)
JP (1) JP2023544022A (ja)
CN (1) CN114764480A (ja)
WO (1) WO2022143505A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116680633B (zh) * 2023-05-06 2024-01-26 国网四川省电力公司广安供电公司 基于多任务学习的异常用户检测方法、系统及存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130055099A1 (en) * 2011-08-22 2013-02-28 Rose Yao Unified Messaging System with Integration of Call Log Data
US10305758B1 (en) * 2014-10-09 2019-05-28 Splunk Inc. Service monitoring interface reflecting by-service mode
US10592534B2 (en) * 2016-02-16 2020-03-17 Microsoft Technology Licensing Llc Automated aggregation of social contact groups
CN107770049A (zh) * 2017-10-23 2018-03-06 林楚莲 一种被邀请用户获取群组信息的方法及系统
US10565229B2 (en) * 2018-05-24 2020-02-18 People.ai, Inc. Systems and methods for matching electronic activities directly to record objects of systems of record
CN110083791B (zh) * 2019-05-05 2020-04-24 北京三快在线科技有限公司 目标群组检测方法、装置、计算机设备及存储介质
CN111738628B (zh) * 2020-08-14 2020-12-08 支付宝(杭州)信息技术有限公司 一种风险群组识别方法及装置

Also Published As

Publication number Publication date
US20230031045A1 (en) 2023-02-02
CN114764480A (zh) 2022-07-19
WO2022143505A1 (zh) 2022-07-07
US11916853B2 (en) 2024-02-27

Similar Documents

Publication Publication Date Title
TWI698770B (zh) 資源轉移監測方法、裝置、監測設備及儲存媒體
CN109872242B (zh) 信息推送方法和装置
WO2020093289A1 (zh) 资源推荐方法、装置、电子设备及存储介质
CN111222647A (zh) 联邦学习系统优化方法、装置、设备及存储介质
CN112084959B (zh) 一种人群图像处理方法及装置
CN113570030A (zh) 数据处理方法、装置、设备以及存储介质
CN112861963A (zh) 训练实体特征提取模型的方法、装置和存储介质
CN113052246B (zh) 用于训练分类模型及图像分类的方法和相关装置
CN110097004B (zh) 面部表情识别方法和装置
CN110245684B (zh) 数据处理方法、电子设备和介质
JP2023544022A (ja) グループタイプの識別方法、装置、コンピュータ機器及びコンピュータプログラム
CN110490295B (zh) 一种数据处理方法及处理装置
CN110855487A (zh) 网络用户相似度管理方法、装置及存储介质
CN114091551A (zh) 色情图像识别方法、装置、电子设备及存储介质
CN111062490B (zh) 一种包含隐私数据的网络数据的处理、识别方法及装置
CN106470215A (zh) 用户终端、服务器、未关注场景的消息推送系统及方法
CN109146122A (zh) 一种概率预测方法、装置、电子设备及计算机存储介质
CN111814051B (zh) 一种资源类型确定方法及装置
CN112036418A (zh) 用于提取用户特征的方法和装置
CN113886547A (zh) 基于人工智能的客户实时对话转接方法、装置和电子设备
CN108510071B (zh) 数据的特征提取方法、装置及计算机可读存储介质
CN112765022A (zh) 一种基于数据流的Webshell静态检测方法及电子设备
WO2019114481A1 (zh) 集群类型识别方法、装置、电子设备及存储介质
CN112132305A (zh) 节点类别确定方法、相关装置、设备及存储介质
CN112200170B (zh) 图像识别方法、装置、电子设备和计算机可读介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230329

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240422

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240521