[發明專利]隨機塊模型的訓練方法、裝置及終端設備

在審

• 申請號: 201810058077.2
• 申請日: 2018-01-22
• 公開（公告）號: CN108256582A
• 公開（公告）日: 2018-07-06
• 發明（設計）人: 趙學華;譚旭;陳慧靈;唐飛;詹峰;李永紅;孫沖武;徐龍琴
• 申請（專利權）人: 深圳信息職業技術學院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 官建紅

1.一種隨機塊模型的訓練方法，其特征在于，包括：

獲取網絡的鄰接矩陣，并根據所述網絡中節點的總數初始化隨機塊模型；

將所述隨機塊模型與所述鄰接矩陣擬合，并對所述隨機塊模型進行參數估計；

根據參數估計的結果對所述隨機塊模型進行優化，并計算優化后的所述隨機塊模型的模型成本值；

若所述模型成本值小于預設的模型成本閾值，則將優化后的所述隨機塊模型作為最優模型進行輸出；

若所述模型成本值大于或等于所述模型成本閾值，則執行所述將所述隨機塊模型與所述鄰接矩陣擬合，并對所述隨機塊模型進行參數估計的操作。

2.如權利要求1所述的訓練方法，其特征在于，所述獲取網絡的鄰接矩陣，并根據所述網絡中節點的總數初始化隨機塊模型，包括：

獲取用于表示所述網絡的鄰接矩陣A，所述鄰接矩陣A的元素a_ij用于表示所述網絡中節點i和節點j之間的鏈接關系，其中，元素a_ij中的i和j分別表示所述節點i和所述節點j；

初始化隨機塊模型SBM＝(n,K,Z,π,ω)，其中，所述n表示所述網絡中節點的總數，所述K表示所述隨機塊模型中塊的總數，并且K＝n，所述Z為n×K維矩陣，用于表示節點和塊的從屬關系，所述π為K×K維矩陣，用于表示塊與塊之間的連接概率，所述ω為K維向量，用于表示所述網絡中的節點在不同塊內的比例關系。

3.如權利要求2所述的訓練方法，其特征在于，所述將所述隨機塊模型與所述鄰接矩陣擬合，并對所述隨機塊模型進行參數估計，包括：

將所述隨機塊模型SBM與所述鄰接矩陣A擬合，并利用變分近似計算所述隨機塊模型SBM中所述Z和所述π的后驗近似分布；

根據所述Z和所述π的后驗近似分布，利用點估計計算所述ω。

4.如權利要求3所述的訓練方法，其特征在于，所述利用變分近似計算所述隨機塊模型SBM中所述Z和所述π的后驗近似分布之前，還包括：

設置所述Z的指示向量Z_i的近似分布服從參數為τ_i＝{τ_i1⁰,...,τ_iK⁰}的多項式分布，其中0＜i≤n，并且設置所述π的元素π_lq的先驗分布為參數為μ_lq⁰，η_lq⁰的伯努利分布，其中0＜l≤K，0＜q≤K。

5.如權利要求4所述的訓練方法，其特征在于，所述根據參數估計的結果對所述隨機塊模型進行優化，并計算優化后的所述隨機塊模型的模型成本值，包括：

消去所述隨機塊模型SBM中ω_k＝0對應的塊k，其中，0＜k≤K，并對所述隨機塊模型SBM的所述K、所述Z、所述π和所述ω進行更新；

基于優化后的所述隨機塊模型SBM和本次優化前的所述隨機塊模型SBM計算出所述模型成本值。

6.一種隨機塊模型的訓練裝置，其特征在于，包括：

初始化單元，用于獲取網絡的鄰接矩陣，并根據所述網絡中節點的總數初始化隨機塊模型；

參數估計單元，用于將所述隨機塊模型與所述鄰接矩陣擬合，并對所述隨機塊模型進行參數估計；

優化單元，用于根據參數估計的結果對所述隨機塊模型進行優化，并計算優化后的所述隨機塊模型的模型成本值；

輸出單元，用于若所述模型成本值小于預設的模型成本閾值，則將優化后的所述隨機塊模型作為最優模型進行輸出；

執行單元，用于若所述模型成本值大于或等于所述模型成本閾值，則執行所述將所述隨機塊模型與所述鄰接矩陣擬合，并對所述隨機塊模型進行參數估計的操作。