[發明專利]基于層疊泛化和代價敏感學習的社交網鏈路異常預測方法

有效

• 申請號: 202010873960.4
• 申請日: 2020-08-26
• 公開（公告）號: CN112039700B
• 公開（公告）日: 2021-11-23
• 發明（設計）人: 劉小洋;李祥;葉舒;馬敏
• 申請（專利權）人: 重慶理工大學
• 主分類號: H04L12/24
• 分類號: H04L12/24;H04L12/26
• 代理公司: 重慶天成卓越專利代理事務所(普通合伙) 50240
• 代理人: 王宏松

1.一種基于層疊泛化和代價敏感學習的社交網絡鏈路異常預測方法，其特征在于，包括以下步驟：

S1，獲取社交網絡節點數據，將獲取的社交網絡節點數據中的相似性指標作為基模型學習的特征；其相似性指標包括CN，Sal，Jac，Sor，HPI，HDI，LHN-I，PA，AA，RA，LP，Katz，ACT，Cos以及RWR之一或者任意組合；

S2，確定基模型的超參數；基模型包括Logistic Regression模型和LightGBM模型；在LightGBM模型中包括：

對分割特征j的分割點d定義為：

其中，

I[]表示方差增益；

d表示特征分割點；表示分割點左邊的方差增益，則表示分割點右邊的；

x_ij表示第x_i個樣本的第j個特征；

o表示某個固定節點的訓練集；

g_i表示第i次梯度迭代的負梯度方向；

遍歷每個特征的每個分割點，找到并計算最大的信息增益然后，將數據根據特征j^*的分割點將數據分到左右子節點；

在基模型訓練完成后，引入Stacking方法集成Logistic Regression模型和LightGBM模型；

S3，對基模型的預測結果進行重新學習；得到最終的預測結果。

2.根據權利要求1所述的基于層疊泛化和代價敏感學習的社交網絡鏈路異常預測方法，其特征在于，在步驟S1中Logistic Regression模型包括：

給定數據集D＝(x₁,y₁),(x₂,y₂),(x₃,y₃),……,(x_N,y_N)，其中，y_i∈{0,1}；當y_i＝0時，y_i表示負類；當y_i＝1時，y_i表示正類；i＝1,2,3,…,N；表示樣本特征空間，n表示各個樣本的特征個數；N表示數據集D中樣本的個數；

由于w^Tx+b取值是連續的，其中w表示列向量，維度為(n,1)；T表示轉置；x表示列向量，維度為(n,1)；b表示列向量，維度為(1,1)；因此它不能擬合離散變量，用它來擬合條件概率P(Y＝1|x)；對于w≠0，w^Tx+b取值為實數R，不滿足概率取值為0到1，因此采用廣義線性模型；

由于單位階躍函數不可微，對數幾率函數是一個替代函數：

于是有：

若y為x取正例的概率，則1-y為x取反例的概率；兩者比值稱為幾率odds，指該事件發生與不發生的概率比值，若事件發生的概率為P，則對數幾率：

將y視為類后驗概率估計，重寫公式有：

也就是說，輸出Y＝1的對數幾率是由輸入x的線性函數表示的模型，這就是邏輯回歸模型；當w^T+b的值越接近正無窮，P(Y＝1|x)概率值也就越接近1；因此，先擬合決策邊界，再建立這個邊界與分類的概率聯系，從而得到了二分類情況下的概率；

邏輯回歸模型的數學形式確定后，求解模型中的參數；在統計學中，使用極大似然估計法求解，即找到一組參數，使得在這組參數下，數據的似然度最大；令：

損失函數

p(x_i)表示第i個樣本在已知特征為x_i的情況下的為正類(Y＝1)的概率；

y_i就是二分類問題給定數據集D中的，即是y_i＝y₁,y₂,y₃,…,y_n，y_i∈{0,1}；

為了求解，對等式兩邊同取對數，寫成對數似然函數：

在機器學習中有損失函數的概念，其衡量的是模型預測錯誤的程度；取整個數據集上的平均對數似然損失，可以得到：

其中，N表示數據集D中樣本的個數；

即在邏輯回歸模型中，最大化似然函數和最小化損失函數是等價的；

求解邏輯回歸的方法有非常多，這里使用梯度下降法；優化的目標是找到一個方向，參數朝這個方向移動之后使得損失函數的值能夠減小，這個方向由一階偏導或者二階偏導各種組合求得；邏輯回歸的損失函數是：

梯度下降是通過J(w)對w的一階導數來找下降方向，并且以迭代的方式來更新參數，更新方式為：

表示第i個樣本權重參數的第k次迭代更新后的權重參數；

α表示學習率，表示1次參數迭代更新的快慢；

表示第i個樣本權重參數的第k+1次迭代更新后的權重參數；

w_i表示第i個樣本的權重參數。

3.根據權利要求1所述的基于層疊泛化和代價敏感學習的社交網絡鏈路異常預測方法，其特征在于，在步驟S2中，確定基模型中超參數的方法包括交叉驗證、網格搜索、早停法之一或者任意組合。