基于注意力机制与文本信息的用户关系抽取.pdf

基于注意力机制与文本信息的用户关系抽取赵赟吴璠王中卿李寿山周国栋（苏州大学计算机科学与技术学院江苏苏州215006）摘要：随着社交媒体的发展用户之间的关系网络对于社交媒体的分析有很大的帮助。因此本文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息比如其他好友关系用户的不同属性等。但是很多时候用户本身并没有大量的好友信息存在同时也不一定有很多确定的属性。因此我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法本文提出了一种基于注意力机制以及长短时记忆网络（LongShort-TermMemoryLSTM）的好友关系预测模型将好友之间的评论分开处理通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入并将注意力机制应用于LSTM的输出。实验表明用户之间的评论对于好友关系预测确实有较大的实际意义本文提出的模型较之于多个基准系统的效果取得了明显的提升。在不加入任何其它非文本特征的情况下实验结果的准确率达到了77%。关键词：好友判断；关系预测；社交网络；注意力机制中图分类号：TP391文献标识码：AUserRelationsExtractionviaTextInformationandAttentionMechanismZHAOYunWUFanWANGZhongqingLIShoushanZHOUGuodong(SchoolofComputerScience&TechnologySoochowUniversitySuzhouJiangsu215006China)Abstract:Withthedevelopmentofsocialmediatherelationshipnetworkbetweenusershasgreatlyhelpedtheanalysisofsocialmedia.Thereforethispapermainlystudiesuserfriendrelationshipdetection.Thepreviousresearchontheextractionofuserfriendrelationshipswasmainlybasedonstructuredinformationonsocialmediasuchasotherfriendrelationshipsdifferentattributesofusersandthelike.Howevermanytimestheuserdoesnothavealotoffriendsinformationanditdoesnotnecessarilyhavealotofcertainattributes.Thereforewehopetopredicttheuserrelationshipbasedonthetextinformationpublishedbytheuser.DifferentfromthepreviouspotentialfriendrecommendationalgorithmthispaperproposesafriendshippredictionmodelbasedonattentionmechanismandLongShort-TermMemory(LSTM)whichsepa