[發明專利]一種基于多維鄰近屬性網絡的合作網絡鏈路預測方法

有效

• 申請號: 202110343021.3
• 申請日: 2021-03-30
• 公開（公告）號: CN112989199B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 吳江;賀超城;歐桂燕;左任銜
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F40/194
• 代理公司: 武漢華之喻知識產權代理有限公司 42267
• 代理人: 李君;廖盈春

1.一種基于多維鄰近屬性網絡的合作網絡鏈路預測方法，其特征在于，包括以下步驟：

利用自編碼器模型、聯合概率模型和屬性Skip-Gram模型分別保留多維鄰近性特征、局部網絡特征和全局網絡特征；其中，多維鄰近性特征包括認知鄰近性特征、地理鄰近性特征和制度鄰近性特征；

結合自編碼模型的損失函數、局部網絡特征的損失函數和全局網絡特征的損失函數以及L2-范數的損失函數作為整體目標函數，采用隨機梯度下降方法優化整體目標函數，實現對網絡節點的表示學習；

通過網絡節點對應的向量余弦相似度進行合作網絡鏈路預測；

其中，網絡節點代表作者；多維鄰近性特征表示包括認知鄰近性特征表示、地理鄰近性特征表示和制度鄰近性特征表示；認知鄰近性特征表征作者在科研領域的認知水平；地理鄰近性特征表征各個作者的位置關系；制度鄰近性特征表征作者所在位置語言的相似度；局部網絡特征表征各作者存在的合作關系；全局網絡特征通過作者鄰近性向量的似然值表示科研相似性；

其中，地理鄰近性特征中的地理鄰近性網絡被定義為GG＝(VG,EG)，其中，VG為地理節點集；v₁∈VG，表示一個城市；EG為地理邊的集合；e₁∈EG，表示兩個城市之間的地理聯系，e₁＝(u₁,v₁)；其中，u₁為異于v₁的另一城市；e₁與邊的權重相關；為城市u₁與城市v₁之間的距離；在地理鄰近性網絡上進行偏向隨機游走，其轉移概率與邊的權重成正比，以轉移概率生成城市節點序列，最后執行屬性Skip-Gram模型；地理距離越近的兩個城市在抽樣結果中越有可能共同出現，得到相近的向量表示；其中，制度鄰近性特征中的制度鄰近網絡被定義為GI＝(VI,EI),VI為制度節點集，v₂∈VI表示一個特定的國家；EI為制度邊的集合；每條制度邊e₂∈EI，表示兩個國家間的制度鄰近性，e₂＝(u₂,v₂)與制度邊的權重相關，是國家對之間共同語言的連續聚合指數；其中，u₂為異于v₂的另一個國家；在制度鄰近性網絡上進行隨機游走生成國家節點序列，然后對國家節點序列進行屬性Skip-Gram算法；在抽樣結果中，制度鄰近性越大的兩個國家越有可能同時出現，從而導致相似的表示；

自編碼器模型、聯合概率模型和屬性感知skip-gram模型共享相同的編碼器層；

整體目標函數為：

L＝L_h+αL_f+βL_ae+γL_reg

采用隨機梯度下降算法優化整體目標函數，迭代優化兩個耦合組件αL_f+βL_ae+γL_reg和L_h；L_f為局部網絡特征的損失函數；L_h為全局網絡特征；L_ae為自編碼模型的損失函數；L_reg為L2-范數的損失函數。

2.根據權利要求1所述的合作網絡鏈路預測方法，其特征在于，所述制度鄰近性采用通用語言的連續聚合指數衡量。

3.根據權利要求2所述的合作網絡鏈路預測方法，其特征在于，所述自編碼器模型為：h_i＝σ₁(W⁽¹⁾x_i+b⁽¹⁾)，

其中，x_i為作者的鄰近特征向量，h_i是編碼器的隱層表示；是解碼器的重構；θ＝{W⁽¹⁾,b⁽¹⁾,W⁽²⁾,b⁽²⁾}是模型參數；σ₁(·)為激活函數中的tanh函數。

4.根據權利要求3所述的合作網絡鏈路預測方法，其特征在于，所述自編碼器模型的損失函數為：

其中，n為作者總數目。