摘要
本发明公开了一种基于用户行为知识图谱的社交网络异常行为检测方法,整合社交网络中的用户行为数据构成用户行为知识图谱,然后根据用户行为知识图谱构建四阶张量,对用户行为知识图谱张量进行张量分解,再计算得到各个行为嵌入向量,将正常用户行为对应的行为嵌入向量构成训练样本集并对构建的行为重构模型进行训练,最后将待检测行为嵌入向量输入训练好的行为重构模型,根据重构误差与阈值的大小比较得到异常行为检测结果。采用本发明可以有效提高异常行为检测的准确率。
技术关键词
实体
重构模型
社交
重构误差
关系
网络
编码器训练
数据
知识图谱构建
BERT模型
重建误差
训练样本集
因子
地点
时间段
分词
矩阵
对象
系统为您推荐了相关专利信息
信息提取方法
建筑工程管理
实体
构建训练集
语义
知识图谱推理方法
马尔可夫逻辑网络
后验概率
实体
马尔科夫逻辑网络