摘要
本发明提供一种用户数据关联挖掘处理方法及系统,涉及数据处理技术领域。该方法通过关联模型初步挖掘各个数据之间的关联关系,结合图神经网络模型从各节点与邻居节点中挖掘出隐藏在数据中的隐式关联关系;通过引入时间衰减因子动态调整图神经网络模型边权重,使模型更关注近期数据,减少过时数据的影响;同时,预设局部重新训练机制,当新增数据占比超过预设阈值时,触发局部重新训练机制,由此对新增数据单独进行聚合分析,从而能够快速响应数据变化,减少全局更新的计算成本,提升模型的实时性。该方法能挖掘出隐藏在数据中的隐式关联关系,并实时关注用户数据中最新行为数据,以响应用户数据的变化。
技术关键词
神经网络模型
网络用户
节点特征
邻居
因子
关系
挖掘社交网络
集成模块
模型更新
机制
地理位置信息
数据处理技术
周期性
非线性
动态更新