CN119474833A 基于多源语义融合的社交网络用户特征挖掘匹配方法及系统 （成都博智云创科技有限公司）

基于多源语义融合的社交网络用户特征挖及基于多源语义融合的社交网络用户特征挖掘标文本数据进行预处理，提取片段文本向量集合；构建提示词向量并与片段文本向量进行拼户特征矩阵，根据欧氏距离提取用户对匹配结22.如权利要求1所述的基于多源语义融合的社交网络用户特征挖掘匹配方法，其特征3.如权利要求1所述的基于多源语义融合的社交网络用户特征挖掘匹配方法，其特征构建语义承接关系模型，提取片段文本数据之间的语4.如权利要求3所述的基于多源语义融合的社交网络用户特征挖掘匹配方法，其特征基于预训练BERT模型计算片段文本数据与相邻片段文本数据之间的5.如权利要求1至4任一项所述的基于多源语义融合的社交网络用户特征挖掘匹配方根据目标特征维度构建提示词并将提示词转将用户特征集合中的用户特征分解为序列字典并将无向无权图中的用户属性集合转6.如权利要求5所述的基于多源语义融合的社交网络用户特征挖掘匹配方法，其特征将用户特征集合中的用户特征分解为若干个唯一标将无向无权图中的用户属性集合中每个用户属性实例分解为标记7.如权利要求5所述的基于多源语义融合的社交网络用户特征挖掘匹配方法，其特征38.如权利要求7所述的基于多源语义融合的社交网络用户特征挖掘匹配方法，其特征矩阵的第i行第j列的元素。9.如权利要求5所述的基于多源语义融合的社交网络用户特征挖掘匹配方法，其特征提取第二社交网络的用户特征向量作为目标向量，输入K维树并利用搜索算法提取与数据处理模块，配置为提取目标文本数据并对目标文本数据进特征提取模块，配置为构建提示词向量并与片段文本向量进行用户对匹配模块，配置为基于不同社交网络的用4本发明第一方面的技术方案提供了基于多源语义融合的社交网络用户特征挖掘5根据目标特征维度构建提示词并将提示词转将用户特征集合中的用户特征分解为序列字典并将无向无权图中的用户属性集将用户特征集合中的用户特征分解为若干个唯一标记频率矩阵的第i行第j列的元素。提取第二社交网络的用户特征向量作为目标向量，输入K维树并利用搜索算法提[0014]本发明第二方面的技术方案提供了基于多源语义融合的社交网络用户特征挖掘6[0017]图1为本发明一个实施例所提供的基于多源语义融合的社交网络用户特征挖掘匹图2为本发明一个实施例所提供的基于多源语义融合的社交网络用户特征挖掘匹[0020]下面结合附图具体地说明本发明所提供的一种基于多源语义融合的社交网络用[0021]请参阅图1，其示出了本发明一个实施例提供的基于多源语义融合的社交网络用7进一步挖掘用户特征时综合考虑用户的社交背景和自身属性提可通过可以通过正则表达式匹配或者基于机器学习的文本分类方法来识别广告文本；同提高整个基于多源语义融合的社交网络用户特征挖掘匹配方法的有效8本实施通过依据预设分隔界限对用户文本数据集进行分割处理，能够将长篇的、模型能够学习到判断片段文本之间语义承接关系的能力，完成语义承接关系模型的构建；对片段文本数据集进行遍历，对于文档片段使用预训练BERT模型计算挖掘出用户通过文本所体现的深层次特征。经过合并后的文本更符合语义分析的实际需9列字典d=t,t2,…t;…tp；即将用户特征从抽象的语义表示拆解为一个个具体的标记元素，步骤S332：将无向无权图中的用户属性集合中每个用户属性实例分解为标记序ui关联的任何给定属性实例azEAwe，可以被分解为m个标记序列，其中rrEAwe、m≤k，Awe表示用户属性集合；按照这样的方式，将整个用户属性集合转化为一个z=f(x)=+b,，其中weR(kxo)、beR(xo)分别表示KXD维度的第一权重矩阵和1XD维度的第一偏置向量；将标记频率矩阵x转换为隐藏地，解码器利用第二映射函数x'=g(z)=zw2+b2，wzeR(oxk)，bzeR(1XD)分别表示记频率矩阵的第i行第j列的元素；具体地，利用均方误差损失函数（MeanSquaredError的自编码器，其编码器部分输出的就是语义属性特征矩阵zve=f(X)=XW+b1eRXD后续的用户特征匹配等操作提供了更简洁且有源语义融合的社交网络用户特征挖掘匹配方法在挖掘用户特征以及进行用户匹配方面的j表示来自社交网络中的第i个用户的特征向量的第j个维一个用户都在ce网络中找到距离最近的用户，记录下这些用户对以及对应的欧氏距离值；来提取用户对匹配结果，借助KD_Tree高效的数据结构能够快速地在高维向量空间中查找字典d=t,t2,…t;…tp；对于与用户ui关联的任何给定属性实例azEAwe，它可以被分解为m个标记序列；通过记录属性中每个标记的频率，从而使得能够表示为一个维的字符频率向量其中x表示属性a中标记t,的频率；由此入矩阵X转换为隐藏矩阵Z，其中weR(KXO)，b1eR(1XD)分别表示权重矩阵和偏置向量；小，其中wzeR(oxk)，bzeR(xo)分