[發明專利]基于多重鄰居節點的多重語義影響的網絡鏈接預測方法

有效

• 申請號: 201910985752.0
• 申請日: 2019-10-17
• 公開（公告）號: CN110851491B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 王博;宋美賢;胡清華
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06F40/30;G06N3/0464;G06N3/047;G06N3/048;G06N3/08;G06Q50/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 曹玉平

本發明公開了一種基于多重鄰居節點的多重語義影響的網絡鏈接預測方法，涉及數據挖掘、拓撲結構分析，屬于社會計算領域的一個研究問題。包括以下步驟：數據解析，基于社交網絡中節點行為以及節點關系數據，解析節點興趣特征以及網絡結構特征。模型訓練，模型結合多重鄰居節點的多重語義影響，獲取得到每個節點的嵌入向量。預測分析，使用節點對的嵌入向量之間的相似性來測量存在好友鏈接的概率。本發明不使用鄰居的恒定影響分數，而是模擬每個鄰居對該節點的特殊語義影響。本發明聯合模擬了網絡嵌入訓練中鄰居節點的局部級和全局級語義影響，并為每個節點訓練基于所有鄰居節點的語義影響的聯合嵌入向量。

技術領域

本發明涉及數據挖掘、拓撲結構分析，屬于社會計算領域的一個研究問題。提出了一種結合多重鄰居節點的多重語義影響的網絡鏈接預測方法。

背景技術

在社交網絡中的眾多任務中,鏈接預測非常具有重要性。該任務包括兩種問題：第一種是推斷社交網絡中未來可能產生的社交鏈接，另一種是重建社交網絡當前快照中缺失的現有鏈接。本發明的目標是解決后者，即重建社交網絡中的缺失鏈接。

為實現鏈接預測，網絡的拓撲結構信息被廣泛用于傳統的鏈路預測方法，其被稱為基于拓撲結構的方法。基于拓撲結構的鏈接預測僅考慮社交網絡的結構信息。受網絡嵌入(Network?Embedding，NE)技術的啟發，近年來大量基于拓撲結構的模型被提出，用于學習節點嵌入向量并進一步用于鏈接預測。例如，DeepWalk^[1]通過將隨機游走得到的節點串視為句子，結合Skip-Gram方法來學習節點的嵌入向量表示。基于拓撲的方法忽略了節點屬性，這些屬性實際上對鏈路預測也很有用。通過聯合建模拓撲和語義信息，混合方法可以提供更好的性能。例如，TADW^[2]結合文本信息來改進基于DeepWalk的矩陣分解。

本發明通過將不同類型的屬性嵌入到統一空間中，計算其嵌入向量的相似性來預測兩個人之間的社交鏈接的概率。這種預測與相似性的聯系的想法與社會學中的同質性理論密切相關。為了解釋社會網絡中個體之間的相似性，同質性理論提出了兩個原則：選擇和影響。選擇原則通過假設人與其他人相似來解釋社會聯系的相似性，并且影響原則假設相似性源于人們隨著時間的推移變得更加與他們的朋友相似的事實。與影響原則相比，選擇原則更直觀，在當前的鏈接預測研究中得到廣泛應用：人們傾向于選擇在結構或語義屬性上與自己相似的朋友。

但是，影響力在建立社會聯系方面也起著重要作用。社會學中的同質性理論表明人們在現有關系上相互影響。通過這種影響方式，一個人的鄰居的將影響一個人的新朋友的選擇。心理學研究也支持影響和選擇在人們選擇行為中的共同作用。在心理學中，影響和選擇的區別可以理解為兩種動機：內在動機和外在動機，它們共同驅動選擇行為^[3]。內在動機是由人的內在興趣決定的，外在動機來自于外在的影響。

在本發明中，將鄰居的影響作用引入鏈路預測任務。為此，有兩個主要挑戰：

(1)社交網絡中用戶節點經常對不同的鄰居節點有不同的影響。但是，在傳統方法中一個用戶節點只有一個恒定的影響力分數，當用戶節點影響他/她周圍的不同鄰居節點時，便不能得到具有細微差別的影響。因此，如果想要了解給定用戶節點在社交鏈接建立過程中如何被不同的鄰居節點影響，則需要建模好友節點之間的成對影響。

(2)人際關系間的影響通常是語義的，例如研究興趣或政治立場。這種語義可能存在于不同的語言層面。一方面，局部級語義影響以某些特定術語語義描繪了兩個用戶節點的交互。另一方面，全局級語義影響是指鄰居節點的整體興趣的語義影響。

[參考文獻]