[發明專利]一種隱式標簽同現的預測方法及裝置

在審

• 申請號: 201810374955.1
• 申請日: 2018-04-24
• 公開（公告）號: CN108874868A
• 公開（公告）日: 2018-11-23
• 發明（設計）人: 陳晉鵬;張佩;傅湘玲;管皓;孫藝;牛琨;高慧;吳國仕
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 朱親林

本發明公開了一種隱式標簽同現的預測方法，包括：獲取信息網絡中與標簽相關的實體，基于不同實體之間的關系構建權重網絡元結構并得到信息網絡對應的網絡拓撲結構；分別針對不同的實體，相應計算得到不同實體的權重并添加到所述網絡拓撲結構中；針對待預測的兩個標簽，在所述網絡拓撲結構中獲取兩個標簽之間的權重路徑；其中，所述權重路徑為待預測的兩個標簽之間連接路徑；將所述權重路徑作為輸入，采用邏輯回歸模型作為預測模型，計算待預測的兩個標簽同現的概率。本申請能夠對標簽網絡中隱藏更深的標簽關系是否能夠同現進行準確預測，進而挖掘得到更深層次的相關信息。

技術領域

本發明涉及標簽同現預測相關技術領域，特別是指一種隱式標簽同現的預測方法及裝置。

背景技術

近年來，社會標注系統(如Flickr、YouTube等)得到了很多研究者的關注。這些系統中的用戶通過加標簽來標注自己感興趣的內容，通過構建他們的朋友網絡來和其他的用戶形成社會關系。當前，許多研究者基于用戶標記產生的標記內容、形成的社會關系等做了一系列的研究工作。在這些研究工作中，標簽同現是一個熱門的研究話題。比如，標簽同現可以定義標簽的相似性、通過標簽同現可以學習用戶的標記行為。同時，標簽同現在一定程度上可以起到語義擴展的作用。比如，通過同現標簽“北京”、“長城”，我們可以知道長城是北京一個景點；通過標簽“跑步”、“阿迪達斯”，我們可以知道一個用戶喜歡跑步這項運動并且喜歡用阿迪達斯這個牌子的運動裝備。

通常，標簽使用頻率以及標簽同現頻率都服從冪律分布。例如：一些研究者指出，在一家用標簽系統管理內容的網站del.icio.us標注系統中標簽的使用頻率服從冪律分布，也即標簽的選擇是高度集中的。最流行的標簽被使用的次數高達180,000。也有一些研究者闡明所有標簽中的55％只被使用一次，并且同現標簽也服從冪律分布。這樣，標簽同現在擴展語義方面受到了限制。

因此，在實現本申請的過程中發明人發現現有技術至少存在以下缺陷：當前基于已知標簽同現關系的研究依舊存在限制，導致無法對網絡中更深層次的關聯關系進行預測，也即無法預知未知兩個標簽是否可能出現同現關系。

發明內容

有鑒于此，本發明的目的在于提出一種隱式標簽同現的預測方法及裝置，能夠對標簽網絡中隱藏更深的標簽關系是否能夠同現進行準確預測，進而得到更深層次的相關信息。

基于上述目的本發明提供的一種隱式標簽同現的預測方法，包括：

獲取信息網絡中與標簽相關的實體，基于不同實體之間的關系構建權重網絡元結構并得到信息網絡對應的網絡拓撲結構；其中，所述權重網絡元結構用于表述不同實體之間的連接關系以及權重大小；所述網絡拓撲結構包含多個權重網絡元結構；

分別針對不同的實體，相應計算得到不同實體的權重并添加到所述網絡拓撲結構中；

針對待預測的兩個標簽，在所述網絡拓撲結構中獲取兩個標簽之間的權重路徑；其中，所述權重路徑為待預測的兩個標簽之間連接路徑；

將所述權重路徑作為輸入，采用邏輯回歸模型作為預測模型，計算待預測的兩個標簽同現的概率。

可選的，所述實體包括圖片、標簽、用戶以及組；其中，圖片與用戶之間的鏈路隱含著“上傳”和“被上傳”信息，圖片與標簽之間的鏈路隱含著“添加”和“被添加”信息，圖片與組之間的鏈路隱含著“包含”和“被包含”信息。

可選的，所述計算得到不同實體的權重包括：

基于圖片中的標簽序列，計算得到標簽的序列權重，計算公式如下：

其中，i為標簽在標簽序列中的序號，n為預設的臨界值，w_seq(t_xi)為標簽t_xi的序列權重；

基于標簽所屬的組的數目，計算得到標簽的概念權重，計算公式如下：