[發明專利]一種基于樸素貝葉斯模型的多層網絡鏈接預測方法

在審

• 申請號: 202210399326.0
• 申請日: 2022-04-15
• 公開（公告）號: CN114757281A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 李龍杰;張亞坤;陳曉云
• 申請（專利權）人: 蘭州大學;甘肅日報報業集團有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04
• 代理公司: 北京東方盛凡知識產權代理事務所(普通合伙) 11562
• 代理人: 賈耀淇

1.一種基于樸素貝葉斯模型的多層網絡鏈接預測方法，其特征在于，包括：

將目標層中的鏈接劃分為訓練集與測試集；

基于所述訓練集的拓撲結構信息與輔助層的信息，獲取所述目標層中除去所述訓練集后剩余的全部節點對存在鏈接的第一概率分數，其中，所述輔助層的信息為所述輔助層中層與層之間存在的相關性信息；

將所述目標層中除去所述訓練集后剩余的全部節點對，按照所述第一概率分數降序排列，完成多層網絡鏈接預測；

基于所述測試集中節點對的概率分數，使用評價指標對所述多層網絡鏈接預測結果進行評估。

2.根據權利要求1所述的基于樸素貝葉斯模型的多層網絡鏈接預測方法，其特征在于，所述拓撲結構信息包括：網絡層對應的名稱、多層網絡的總節點數、目標層激活的節點、目標層的鏈接數、網絡平均度、網絡平均聚集系數、網絡密度、網絡度異質性與度同配系數；

所述網絡平均聚集系數用于刻畫網絡中節點之間凝聚成團的平均程度；

所述網絡度異質性用于描述網絡中節點的度分布的均衡性；

所述度同配系數用于衡量節點是否偏向于連接與自身性質相同的其他節點。

3.根據權利要求1所述的基于樸素貝葉斯模型的多層網絡鏈接預測方法，其特征在于，獲取所述第一概率分數的步驟包括：

基于所述訓練集的拓撲結構信息，根據樸素貝葉斯模型獲取所述目標層中節點對存在鏈接的第二概率分數；

基于所述輔助層的信息，根據樸素貝葉斯模型獲取節點對在所述輔助層存在鏈接的第三概率分數；

使用最大最小歸一化方法將所述第二概率分數與所述第三概率分數進行融合，并通過調控所述訓練集的拓撲結構信息與所述輔助層的信息之間的占比參數，獲得所述第一概率分數。

4.根據權利要求3所述的基于樸素貝葉斯模型的多層網絡鏈接預測方法，其特征在于，

所述第二概率分數的表達式為：

其中，O_xy為節點x和y的公共鄰居節點集合，和為考慮共同鄰居不同貢獻得到的三個不同的計算方法，k_w為節點w的度，s為根據網絡的節點數量和邊的數量計算得到的一個常量，R_w為節點w的角色函數。

5.根據權利要求3所述的基于樸素貝葉斯模型的多層網絡鏈接預測方法，其特征在于，所述第三概率分數的表達式為：

其中，為第三概率分數，表示節點對(x，y)在目標層內有邊，表示節點對(x，y)在目標層內無邊，U_xy為特征集合，，當節點x和y在輔助層有邊時，否則為0；

其中，表示節點x和y在輔助層G_A有邊，并且在G_T層也有邊的概率，計算公式如下：

其中，n₁₁為兩層網絡中都存在鏈接的節點對的個數，n₀₁為在目標層不存在鏈接但是在輔助層存在鏈接的節點對的個數，n₀₀為在兩層都不存在鏈接的節點對的個數，n₁₀為在目標層存在鏈接但是在輔助層不存在鏈接的節點對的個數，為x和y在輔助層有邊的情況下在目標層有邊的概率，為x和y在輔助層無邊的情況下在目標層有邊的概率，p₁，p₂和q由以下公式近似計算得出：

6.根據權利要求3所述的基于樸素貝葉斯模型的多層網絡鏈接預測方法，其特征在于，所述最大最小歸一化方法的表達式為：

其中，r_max與r_min分別為最大值和最小值，r′為規范化后的值,r為原來的值。