[發(fā)明專利]異構(gòu)信息網(wǎng)絡(luò)嵌入的方法、系統(tǒng)、終端及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201811265770.3
• 申請日: 2018-10-26
• 公開（公告）號: CN109492132A
• 公開（公告）日: 2019-03-19
• 發(fā)明（設(shè)計）人: 何雨;彭浩;宋陽秋;彭健;李建欣
• 申請（專利權(quán)）人: 廣州市香港科大霍英東研究院
• 主分類號: G06F16/901
• 分類號: G06F16/901
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

1.一種異構(gòu)信息網(wǎng)絡(luò)嵌入的方法，其特征在于，包括步驟：

獲取多種類型的對象和連接信息建立異構(gòu)信息網(wǎng)絡(luò)；

通過所述對象或連接的類型及其之間的關(guān)系建立元路徑；

通過任意元路徑來定義高階馬爾可夫鏈，利用所述高階馬爾可夫鏈引導(dǎo)隨機(jī)游走；

通過所述隨機(jī)游走的分布引導(dǎo)異構(gòu)信息網(wǎng)絡(luò)嵌入。

2.根據(jù)權(quán)利要求1所述的異構(gòu)信息網(wǎng)絡(luò)嵌入的方法，其特征在于，所述通過所述元路徑來定義高階馬爾可夫鏈的具體實現(xiàn)步驟為：

將所述元路徑進(jìn)行分解，由當(dāng)前狀態(tài)的前述狀態(tài)確定所述高階馬爾可夫鏈，使用所述高階馬爾可夫鏈來表示所述元路徑。

3.根據(jù)權(quán)利要求1所述的異構(gòu)信息網(wǎng)絡(luò)嵌入的方法，其特征在于，所述利用所述高階馬爾可夫鏈引導(dǎo)隨機(jī)游走的具體實現(xiàn)步驟為：

設(shè)置所述高階馬爾可夫鏈為二階馬爾可夫鏈；

將網(wǎng)絡(luò)原始節(jié)點上定義的二階馬爾可夫鏈轉(zhuǎn)化為狀態(tài)組所述狀態(tài)組指上一層狀態(tài)為上二層狀態(tài)為同時將轉(zhuǎn)換概率編碼為張量P，其中P_i,j,k指轉(zhuǎn)換到狀態(tài)的概率，上一層狀態(tài)為上二層狀態(tài)為

將固定于頂點的隨機(jī)游走表示為具有隨機(jī)變量序列的隨機(jī)過程，由來自于二階馬爾可夫鏈的轉(zhuǎn)換概率集合來引導(dǎo)，其中由P_i,j,k表示具有N個狀態(tài)的二階馬爾可夫鏈的轉(zhuǎn)換概率，如公式(1)所示：

采用如公式(2)所示個性化空間隨機(jī)游走的概率準(zhǔn)則來選取上二層節(jié)點

使用公式(3)來選取當(dāng)前節(jié)點，其中是由隨機(jī)變量生成的σ場，由起始狀態(tài)生成，α∈(0,1)為以概率α返回至起始狀態(tài)，以概率1-α跟隨二階馬爾可夫鏈移動至下一狀態(tài)的概率控制參數(shù)，

當(dāng)個性化空間隨機(jī)游走在處理訪問空出且忘記上二層狀態(tài)時則使隨機(jī)游走從開始的節(jié)點通過概率引導(dǎo)重新開始；

使用節(jié)點嵌入來近似處理每一個個性化空間隨機(jī)游走的平穩(wěn)分布，其中個性化被定制到每一個單獨節(jié)點，每一個平穩(wěn)分布對應(yīng)著從個性化節(jié)點到所有其他節(jié)點的期望交換時間；

其中，所述個性化空間隨機(jī)游走的平穩(wěn)分布為，對于二階馬爾可夫鏈，定義X為N×N階矩陣，其中X_i,j為與狀態(tài)和組關(guān)聯(lián)的平穩(wěn)概率，則個性化空間隨機(jī)游走的平穩(wěn)分布計算如公式(4)所示：

X_i,j＝L_i,j+(1-α)∑_kP_i,j,kX_j,k(4)，

其中，∑_i，jX_i,j＝1,X_i,j≥0，L_i,j是狀態(tài)的先驗，在X_i,j被獲取后，原始二階馬爾可夫鏈的狀態(tài)平穩(wěn)分布由X_i,j的行和得到，定義平穩(wěn)分布為s；

對所有對象實施個性化空間隨機(jī)游走處理，每次每個對象的先驗是1而其他為0；對于節(jié)點的個性化隨機(jī)游走，設(shè)置集合L的i行元素為L_i,·＝1，然后通過X_i,j的行和獲取一個平穩(wěn)分布s_i，使用共現(xiàn)概率的近似分布獲取對象表示，如公式(5)所示：

其中是近似分布的第j個元素，平穩(wěn)分布的第j個元素表示從開始擊中的期望歸一化擊中時間，也表示和之間的基于元路徑的近似度；u_j被認(rèn)為是的上下文特征，v_i被認(rèn)為是的節(jié)點特征，如果u_i和v_j在方向上接近，且內(nèi)積大，節(jié)點從節(jié)點開始在隨機(jī)游走中被頻繁訪問。

4.根據(jù)權(quán)利要求3所述的異構(gòu)信息網(wǎng)絡(luò)嵌入的方法，其特征在于，所述利用所述高階馬爾可夫鏈引導(dǎo)隨機(jī)游走，通過所述隨機(jī)游走的分布引導(dǎo)異構(gòu)信息網(wǎng)絡(luò)嵌入的具體實現(xiàn)步驟為：

設(shè)置如公式(6)所示的代價函數(shù)來學(xué)習(xí)u_i和v_j的表示，其中，所述代價函數(shù)是所有的平穩(wěn)分布及其近似度之間的KL散度(相對熵)：