[發明專利]一種多網絡結構差異向量化方法及裝置

有效

• 申請號: 202010789176.5
• 申請日: 2020-08-07
• 公開（公告）號: CN112073217B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 陳為;韓東明;潘嘉鋮;趙曉冬;傅四維
• 申請（專利權）人: 之江實驗室
• 主分類號: H04L41/14
• 分類號: H04L41/14;G06Q40/04;G06Q50/00;H04L41/142
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 應孔月

本發明公開了一種多網絡結構差異向量化方法及裝置，包括：獲取多個網絡，其中每個網絡中包括節點和邊，節點表示任一實體，邊表示實體之間的關系；將多個網絡劃分成多個要進行結構差異向量化的網絡對，每個網絡對包括被對比網絡和對比網絡；抽取所有網絡對中被對比網絡和對比網絡的結構序列；對所述結構序列進行結構差異計算，得到多余結構和缺失結構，其中所述多余結構為第一個網絡比第二個網絡多的結構，所述缺失結構為第一個網絡比第二個網絡少的結構；對所有的多余結構和缺失結構分別進行向量化，得到每個網絡對的多余結構和缺失結構的向量；對每個網絡對的多余結構和缺失結構的向量進行拼接，得到這個網絡對結構差異的向量。

技術領域

本發明涉及網絡差異分析技術領域，特別涉及一種多網絡結構差異向量化方法及裝置。

背景技術

網絡數據包括節點和邊，節點代表實體，邊用于描述實體之間的關系，被廣泛用于各個領域中，例如金融機構間的交易關系分析，社交關系網絡中人物關系的分析，學者合作網絡中合作模式的分析，而量化計算多個網絡結構之間的差異，可以有助于深入理解網絡中不同模式間的基本關系和多個網絡之間的演化模式。例如，比較大腦部分切除前后的大腦連接網絡，有助于科學家揭示大腦功能。比較不同時間戳中的通信網絡可以揭示公司組織的架構變化。現有的基于統計學的方法，例如比較多個網絡之間的平均度數差異，有效偏心率(effective eccentricity)等指標，無法捕捉結構上的差異和上下文的解釋信息。而直接通過觀察的方式來對比，在大規模的數據下難以適用。現有的技術缺少可以量化和計算多個網絡之間結構差異的方法，例如，對不同時刻的金融交易網絡之間的結構差異進行量化，可以分析交易網絡的變化模式，尋找不同時刻中相似的變化模式，有助于分析師發現交易異常。對多個社交軟件中人物的關系網絡之間的結構差異進行量化，可以比較出不同軟件之間人物關系的差異，有助于設計師制定不同軟件的好友推薦策略。對不同期刊會議中的學者合作網絡之間的結構差異進行向量化，可以比較不同會議間學者合作模式的差異，有助于研究者分析不同的合作模式。

發明內容

本發明實施例的目的是提供一種多網絡結構差異向量化方法及裝置，以解決現有存在的不能對多網絡的結構差異進行量化的問題。

為了達到上述目的，本發明實施例所采用的技術方案如下：

第一方面，本發明實施例提供一種多網絡結構差異向量化方法，包括：

獲取多個網絡，其中每個網絡中包括節點和邊，節點表示任一實體，邊表示實體之間的關系；

將多個網絡劃分成多個要進行結構差異向量化的網絡對，每個網絡對包括被對比網絡和對比網絡；

抽取所有網絡對中被對比網絡和對比網絡的結構序列；

對所述結構序列進行結構差異計算，得到多余結構和缺失結構，其中所述多余結構為第一個網絡比第二個網絡多的結構，所述缺失結構為第一個網絡比第二個網絡少的結構；

對所有的多余結構和缺失結構分別進行向量化，得到每個網絡對的多余結構和缺失結構的向量；

對每個網絡對的多余結構和缺失結構的向量進行拼接，得到這個網絡對結構差異的向量。

進一步地，所述網絡采用金融交易網絡、社交關系網絡或學者合作網絡。

進一步地，抽取所有網絡對中被對比網絡和對比網絡的結構序列，包括：

采用Random walk、Gaphlet count或Weisfeiler-Lehman對所有網絡對中被對比網絡和對比網絡進行結構序列的抽取。

進一步地，對所有的多余結構和缺失結構分別進行向量化，得到每個網絡的多余結構和缺失結構的向量，包括：