[發明專利]基于關系內容聯合嵌入卷積神經網絡的鏈路預測方法

在審

• 申請號: 202110085651.5
• 申請日: 2021-01-22
• 公開（公告）號: CN112765415A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 朱笑巖;張琳杰;馬建峰
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F16/901
• 分類號: G06F16/901;G06F16/903;G06N3/04;G06N3/08
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;黎漢華

本發明公開了一種基于關系內容聯合嵌入卷積神經網絡的鏈路預測方法，主要解決現有鏈路預測方法的精度不高和運行速度慢的問題。其實現方案是：1)計算節點對的結構初始向量；2)計算節點對的內容嵌入向量；3)選取節點以生成訓練樣本集和測試樣本集，分別獲取訓練樣本和測試樣本的節點對的結構初始向量、節點對的內容嵌入向量，獲取訓練樣本的真實標簽值；4)構建卷積神經網絡，并用訓練樣本集對其進行訓練；5)將測試樣本輸入到訓練好的卷積神經網絡中，得到預測結果。本發明由于綜合考慮了節點的關系信息特征、內容信息特征，提高了鏈路的預測精度和效率，可用于通信隱私連接和社區形成及雷達網絡中繼評估中的鏈路預測。

技術領域

本發明屬于計算機技術領域，更進一步涉及一種卷積神經網絡的鏈路預測方法，可用于社交網絡推薦、協作網絡推薦、通信隱私連接和社區形成及雷達網絡中繼評估。

背景技術

鏈路預測是在社會網絡分析中識別缺失鏈接并預測新鏈接而進行的信息處理技術，是將復雜網絡與信息科學聯系起來的重要橋梁之一。鏈路預測技術的進步依賴于網絡鏈路形成因素分析技術的發展。網絡中鏈路的形成與節點和邊相關的許多因素有關。節點行為可能會潛在地影響其周圍的節點，此外有關聯的節點也通常會有相似的行為。網絡中邊的存在和性質也受若干結構因素的影響，例如網絡中邊的局部鄰域、網絡的拓撲結構、與網絡中的周圍邊相關聯的性質和標簽等。隨著鏈路形成因素分析技術的改進，鏈路預測的主流研究方法從利用啟發式的數學方法、統計學方法逐漸過渡到了機器學習方法。現在的技術發展趨勢為在歐氏空間中嵌入網絡的連接信息和內容信息來學習節點和邊表示，每個節點和邊的表示負責編碼相應類型的特征，通過神經網絡訓練預測鏈路是否存在，以保存原來關聯節點和關聯邊之間的相似性，取得高精度的預測效果。鏈路預測相關研究不僅能夠推動網絡科學和信息科學理論上的發展，而且具有巨大的實際應用價值，譬如應用于朋友推薦、引文推薦、項目推薦、雷達網絡優化、蜂窩網絡形成、交通路徑規劃、合著網絡中合作者的識別、犯罪網絡中犯罪分子的識別等。

西安電子科技大學在其申請的專利文獻“一種基于網絡結構和文本信息的鏈路預測方法”(專利申請號CN202010113634.3，申請公開號CN111368074A)中公開了一種基于網絡結構和文本信息的鏈路預測方法。該方法的實施步驟是：第一步，基于網絡結構中隨機游走的節點，獲得節點的結構嵌入向量。第二步，構建卷積神經網絡來處理節點的文本信息，獲得節點的文本信息嵌入向量。第三步，將節點的結構嵌入向量和文本信息嵌入向量進行聯合嵌入。第四步，生成訓練集和測試集。第五步，構建神經網絡進行二分類學習，第六步，訓練神經網絡。第七步，預測結果。該方法由于預測階段通過構建的神經網絡進行二分類學習，導致從高維稀疏的網絡結構中預測低維密集的邊表示和邊權重比較困難，不適用于大規模網絡，因此預測精度有限。

寧波大學在其申請的專利文獻“一種動態社交網絡中的鏈路預測方法”(專利申請號201911285769.1，申請公開號CN 111090781 A)中公開了一種動態社交網絡中的鏈路預測方法。該方法的實施步驟是：第一步，將t時刻網絡中的節點映射到低維嵌入空間中，并寫成每個節點的低維表示向量。第二步，分別計算t時刻網絡中節點的局部特征、二階相似性和保持網絡演化平滑性對應的損失函數，最后根據最小化總損失函數得到節點最佳的低維表示向量。第三步，使用最佳低維表示向量方法得到測試集中的所有節點低維表示向量，并依次將每個節點對的低維表示向量輸入到邏輯回歸分類器中進行訓練，得到訓練完成的邏輯回歸分類器。第四步，將T時刻網絡中每個節點對的低維表示向量輸入到訓練完成的邏輯回歸分類器中，得到T+1時刻的網絡信息。該方法由于將內容相似度分布和表示關系的邊權重分布之間相對熵的最小值作為相似度分布和邊權重分布之間的距離，節點鄰居數量呈指數增加導致計算量大，拖慢了訓練速度。另外，該方法由于使用全局信息進行計算，使得關系屬性和內容屬性難以充分參與預測權重的計算，因而預測精度較低。

發明內容

本發明的目的在于針對上述現有技術的不足，提出一種基于關系內容聯合嵌入卷積神經網絡的鏈路預測方法，以提升鏈路預測模型的精度和泛化能力，加快鏈路預測模型的訓練速度。