[發明專利]一種融合多空間特征的網絡對齊模型及其應用

在審

• 申請號: 202210526911.2
• 申請日: 2022-05-16
• 公開（公告）號: CN114840775A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 甄紫旭;武南南;王文俊;王盈輝
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/955;G06K9/62;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 韓帥

本發明公開一種融合多空間特征的網絡對齊模型，所述模型通過網絡中節點的錨鏈接預測判斷其余節點是否為現實世界同一實體，采用多空間表示學習獲得到每個節點的歐氏空間嵌入表示和雙曲空間嵌入表示；通過跨空間映射將兩個網絡歐氏空間和雙曲空間的嵌入分別映射至相同幾何空間的潛在空間中；通過跨空間融合：基于映射之后的網絡嵌入，對每個網絡的歐氏空間網絡嵌入和雙曲空間網絡嵌入進行融合，以促進兩個幾何空間之間的信息交互，達到捕捉不同結構特征的目的；通過錨鏈接預測完成網絡對齊任務，本發明解決了現有基于網絡表示學習的網絡對齊方法大多采用歐氏空間的網絡表示嵌入，沒有考慮到歐氏空間對于結構復雜的現實世界網絡嵌入效果不好的問題。

技術領域：

本發明屬于數據挖掘領域，是一種融合多空間特征進行網絡對齊的方法。

背景技術：

隨著在線社交平臺的興起，人們往往會同時加入多個社交網絡，研究人員希望從更高的視角，利用多源網絡挖掘更多的領域信息，此類需求催生出了網絡對齊這一研究方向。隨著相關研究的發展，網絡對齊已經在許多應用中發揮著重要作用，例如跨社交網絡推薦、蛋白質間的相互作用匹配以及模式識別等。

網絡對齊旨在通過找到多個網絡中的等價實體，將不同網絡進行鏈接，給研究人員提供更高維度的數據分析視角。現有方法大多在歐氏空間中利用網絡表示技術進行網絡對齊，可以很好地捕捉較為規則的網絡結構特征，但歐氏空間網絡表示難以準確刻畫真實世界中網絡的層級結構特點，而新興的雙曲空間網絡表示則較為擅長捕捉網絡的層級結構特征。針對此類問題，我們利用多空間網絡表示學習來獲取歐氏空間和雙曲空間的嵌入特征，更全面地對網絡結構進行建模。同時利用特征融合促進跨空間信息交互，以更好的對節點身份進行表征，提升網絡對齊中節點匹配的準確率。我們提出了一種跨越多個屬性網絡進行異常對齊的方法,解決了現有網絡對齊方法無法準確捕捉網絡層級結構以及低維空間對齊效果不理想等問題。

發明內容：

為克服現有技術的不足，本發明提出一種融合多空間特征的網絡對齊方法。網絡對齊旨在找到不同網絡之間的對應關系，通過真實世界中同一實體在不同網絡中的相應節點來對不同社交網絡進行鏈接，從而給研究人員提供更高維度的數據分析視角。本發明主要目的是挖掘多個網絡中對應現實世界相同實體的不同節點，利用網絡表示學習得到的節點特征將其對應起來，從而鏈接多個網絡。例如在多個社交網絡中，通過本方法可以挖掘出部分網絡中的匿名賬號，從而幫助有關部門掌握不良分子的行為信息。

本發明采用如下技術方案予以實施：

一種融合多空間特征的網絡對齊模型，所述模型通過網絡中節點的錨鏈接預測判斷其余節點是否為現實世界同一實體，所述模型通過如下步驟實現：

多空間表示學習：給定兩個輸入網絡G^s和G^t，同時學習網絡空間中的規則結構和層級結構特征，對原始網絡在不同幾何空間上進行卷積來獲取網絡中節點的鄰居信息，得到每個節點的歐氏空間嵌入表示和雙曲空間嵌入表示：

跨空間映射：由于兩個網絡G^s和G^t的嵌入表示是在不同潛在空間分別學習的，空間分布會有差異，將兩個網絡歐氏空間和雙曲空間的嵌入分別映射至相同幾何空間的潛在空間中；

跨空間融合：基于映射之后的網絡嵌入，對每個網絡的歐氏空間網絡嵌入和雙曲空間網絡嵌入進行融合，以促進兩個幾何空間之間的信息交互，達到捕捉不同結構特征的目的；

錨鏈接預測：為了完成網絡對齊任務，采用一個多層感知機來預測任意一對來自G^s和G^t的節點對之間是否存在錨鏈接。

本發明還可以采用如下技術方案予以實施：

一種融合多空間特征的網絡對齊模型應用，

將歐式空間網絡和雙曲空間網絡嵌入已知網絡的錨節點中進行多空間網絡結構表示；