[发明专利]基于人工智能的用户标签识别方法、装置、设备及介质

权利要求书

1.一种基于人工智能的用户标签识别方法，其特征在于，所述方法包括：

从预设数据库获取用户群的相关信息，基于所述相关信息构建所述用户群的拓扑网络；

将所述拓扑网络输入图卷积神经网络，计算所述拓扑网络的一阶相似矩阵、二阶相似矩阵及Dice相似度矩阵；

基于所述一阶相似矩阵、所述二阶相似矩阵及所述Dice相似度矩阵，计算得到所述拓扑网络的目标相似矩阵，基于所述目标相似矩阵计算得到所述拓扑网络的低维矩阵；

以所述低维矩阵中已标注标签的第一类型节点作为样本集，训练所述图卷积神经网络得到目标分类模型，基于所述目标分类模型识别所述低维矩阵中未标注标签的第二类型节点，得到各第二类型节点对应用户的目标标签；

其中，所述Dice相似度矩阵的计算公式包括：

其中，表示所述Dice相似度矩阵中第i行第j列的元素，|Com(v_i,v_j)|表示节点v_i和节点v_j公共邻居节点的数量，|Neighbor(v_i)|表示节点v_i的邻居节点数量，|Neighbor(v_j)|表示节点v_j的邻居节点数量；

所述低维矩阵的计算公式包括：

其中，H表示所述低维矩阵，σ()表示非线性激活函数，表示对角矩阵，A表示基于所述相关信息构建的所述拓扑网络的邻接矩阵，I表示所述邻接矩阵对应的自环矩阵，S表示所述目标相似矩阵，X表示预先构建的所述用户群的特征向量矩阵，W表示学习的权重矩阵。

2.如权利要求1所述的基于人工智能的用户标签识别方法，其特征在于，所述拓扑网络的一个节点对应所述用户群的一个用户，相连的节点指示具有关联关系的用户。

3.如权利要求1所述的基于人工智能的用户标签识别方法，其特征在于，所述目标相似矩阵的计算公式包括：

其中，S表示所述目标相似矩阵，S^first表示所述一阶相似矩阵，S^second表示所述二阶相似矩阵，S_Dice表示所述Dice相似度矩阵，η和均表示预先设置的平衡系数。

4.如权利要求1所述的基于人工智能的用户标签识别方法，其特征在于，所述一阶相似矩阵包括基于所述相关信息构建的所述拓扑网络的邻接矩阵，所述二阶相似矩阵包括所述一阶相似矩阵的余弦相似度矩阵。

5.如权利要求1至4中任意一项所述的基于人工智能的用户标签识别方法，其特征在于，所述目标分类模型的训练过程包括：

利用softmax函数计算得到所述低维矩阵中第一类型节点的预测标签，根据预设的损失函数计算出第一类型节点的预测标签，与第一类型节点对应的真实标签的总损失值，当所述总损失值小于预设阈值时，得到所述目标分类模型。