[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)和自編碼器的社區(qū)發(fā)現(xiàn)方法

在審

• 申請?zhí)枺?/td>: 202010056692.7
• 申請日: 2020-01-17
• 公開（公告）號: CN111292197A
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計）人: 吳伶;陳志華;張岐山
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳明鑫;蔡學(xué)俊

本發(fā)明涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)和自編碼器的社區(qū)發(fā)現(xiàn)方法。該方法：首先，通過網(wǎng)絡(luò)空間結(jié)構(gòu)重構(gòu)策略對鄰接矩陣進(jìn)行重構(gòu)得到空間鄰近矩陣，空間鄰近矩陣保留了節(jié)點連接情況的同時還能把節(jié)點網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)上的鄰近性映射到空間鄰近矩陣，有利于卷積神經(jīng)網(wǎng)絡(luò)對網(wǎng)絡(luò)拓?fù)淇臻g鄰近性的特征學(xué)習(xí)；其次，構(gòu)建了基于卷積神經(jīng)網(wǎng)絡(luò)和自編碼器的組合模型，自主學(xué)習(xí)網(wǎng)絡(luò)拓?fù)淇臻g特征，得到網(wǎng)絡(luò)空間特征向量，以便能夠應(yīng)用于社區(qū)發(fā)現(xiàn)等具體網(wǎng)絡(luò)分析應(yīng)用服務(wù)；接著，在上述研究得到的網(wǎng)絡(luò)空間特征向量基礎(chǔ)上，應(yīng)用K?means聚類算法實現(xiàn)社交網(wǎng)絡(luò)上的社區(qū)發(fā)現(xiàn)。本發(fā)明方法能夠探測社區(qū)結(jié)構(gòu)，從而揭示真實網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)等，進(jìn)而有效地預(yù)測網(wǎng)絡(luò)用戶行為和信息傳播等。

技術(shù)領(lǐng)域

本發(fā)明屬于機(jī)器學(xué)習(xí)研究領(lǐng)域，具體涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)和自編碼器的社區(qū)發(fā)現(xiàn)方法，實現(xiàn)對社交網(wǎng)絡(luò)圖的空間特征學(xué)習(xí)，進(jìn)而基于網(wǎng)絡(luò)圖空間特征向量實現(xiàn)社交網(wǎng)絡(luò)上的社區(qū)發(fā)現(xiàn)。

背景技術(shù)

隨著互聯(lián)網(wǎng)，特別是移動互聯(lián)網(wǎng)的發(fā)展，以交友、信息共享等為目的的社交網(wǎng)絡(luò)平臺迅速發(fā)展。以新浪微博、微信、淘寶、Twitter和Facebook為代表的國內(nèi)外社交網(wǎng)絡(luò)平臺上人們可以發(fā)表觀點、交友互動、傳播信息和推銷商品等。根據(jù)Facebook在2018年第1季度的報告顯示，平均每月有22億的用戶使用Facebook，每日的活躍用戶量高達(dá)14億并且平均每秒鐘就有5個新的賬號被創(chuàng)建。此外，國內(nèi)流行社交軟件Wechat的每月活躍用戶數(shù)也于2018年首次突破了 10億大關(guān)。

在線社交網(wǎng)絡(luò)已經(jīng)成為連接網(wǎng)絡(luò)信息空間與人類物理世界的橋梁，深刻地改變著人們的行為模式和社會形態(tài)。在線社交網(wǎng)絡(luò)使得人們的面對面的溝通交流不受時間、空間、距離和成本的限制，極大地改變了人們的生活方式，改善了人們生活質(zhì)量的同時給人們的經(jīng)濟(jì)生活乃至國家的安全穩(wěn)定帶來負(fù)面的隱患。因此，近年來社交網(wǎng)絡(luò)上的大數(shù)據(jù)分析已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域的一個重要研究分支。

社區(qū)結(jié)構(gòu)是指在一個網(wǎng)絡(luò)中組成社區(qū)的節(jié)點間距離比較近或相似度比較高，即一般而言，社區(qū)內(nèi)部節(jié)點聯(lián)系的緊密程度要遠(yuǎn)高于社區(qū)之間節(jié)點聯(lián)系的緊密程度。社區(qū)發(fā)現(xiàn)在現(xiàn)實世界中的典型應(yīng)用包括發(fā)現(xiàn)人群共同的興趣或行為模式、從社交網(wǎng)絡(luò)尋找朋友圈或?qū)儆谕唤M織機(jī)構(gòu)的群體等。社區(qū)發(fā)現(xiàn)是從中觀視角揭示真實網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和功能、信息在網(wǎng)絡(luò)上的宏觀現(xiàn)象和微觀行為，以便能夠幫助信息管理者理解網(wǎng)絡(luò)的動力學(xué)及演化機(jī)制，進(jìn)而有效地預(yù)測網(wǎng)絡(luò)用戶行為和控制信息在網(wǎng)絡(luò)的傳播。目前，社區(qū)發(fā)現(xiàn)是社交網(wǎng)絡(luò)數(shù)據(jù)挖掘領(lǐng)域一個快速發(fā)展的熱點研究領(lǐng)域分支。

復(fù)雜社交網(wǎng)絡(luò)的節(jié)點海量性、結(jié)構(gòu)復(fù)雜性和多維演化性等復(fù)雜特性使社交網(wǎng)絡(luò)中的社區(qū)發(fā)現(xiàn)面臨許多挑戰(zhàn)。

首先，節(jié)點海量性對復(fù)雜社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法的性能提出了極為嚴(yán)格的要求，只有具有線性時間復(fù)雜度的算法才能夠運行在真實的社交網(wǎng)絡(luò)并切實進(jìn)行相關(guān)的分析應(yīng)用，目前只有極少數(shù)算法滿足線性或近線性的時間復(fù)雜度要求。

其次，結(jié)構(gòu)復(fù)雜性同樣對復(fù)雜社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法的性能提出了挑戰(zhàn)，真實的網(wǎng)絡(luò)結(jié)構(gòu)是同時包含重疊性、層次性和多重性的，即要求算法能夠發(fā)現(xiàn)的社區(qū)結(jié)構(gòu)要同時具有重疊和層次結(jié)構(gòu)，而且同時能表達(dá)節(jié)點的多重信息。

最后，多維演化性對復(fù)雜社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)算法的性能提出了更高階的挑戰(zhàn)，真實的網(wǎng)絡(luò)結(jié)構(gòu)都是隨著時間的演變而演變，往往是呈現(xiàn)膨脹增長的趨勢，即要求算法發(fā)現(xiàn)的社區(qū)結(jié)構(gòu)不僅能夠探測到社區(qū)結(jié)構(gòu)，還能夠捕捉和跟蹤隨著時間維度的變化社區(qū)結(jié)構(gòu)的演變規(guī)律。

實質(zhì)上，復(fù)雜社交網(wǎng)絡(luò)上的社區(qū)發(fā)現(xiàn)是一個與時空相關(guān)的復(fù)雜網(wǎng)絡(luò)圖特征挖掘問題。而深度學(xué)習(xí)作為能夠自主學(xué)習(xí)數(shù)據(jù)特征的優(yōu)秀機(jī)器學(xué)習(xí)方法近年已被學(xué)者成功延伸到網(wǎng)絡(luò)圖數(shù)據(jù)的時空特征學(xué)習(xí)。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于卷積神經(jīng)網(wǎng)絡(luò)和自編碼器的社區(qū)發(fā)現(xiàn)方法，該方法方法能夠探測社區(qū)結(jié)構(gòu)，從而揭示真實網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)等，進(jìn)而有效地預(yù)測網(wǎng)絡(luò)用戶行為和信息傳播等。