[發明專利]同時具有鏈路預測和節點排序功能的有向符號網絡表示學習方法及流程

在審

• 申請號: 202211311154.3
• 申請日: 2022-10-25
• 公開（公告）號: CN115578211A
• 公開（公告）日: 2023-01-06
• 發明（設計）人: 蘇曉萍;查英華
• 申請（專利權）人: 南京工業職業技術大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06F16/901;G06F40/30;G06F18/243;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 蕪湖思誠知識產權代理有限公司 34138
• 代理人: 項磊

1.同時具有鏈路預測和節點排序功能的有向符號網絡表示學習方法及流程，其特征在于利用地位理論指導基于消息傳遞機制的圖神經網絡進行節點低維向量表示學習的計算機技術，該方法充分考慮網絡全局和節點局部信息，包括以下步驟：

S1：將在線社會網絡建模為有向符號網絡，包括以下子步驟：

S1-1：對在線社交網絡用戶間的交互信息進行語義分析，推斷用戶交互的“正面”或“負面”屬性；

S1-2：根據步驟S1-1得到的語義分析結果建立節點間的連邊：若節點A對節點B有正面評價，則從節點A向節點B發出一條符號為“+”的邊，否則建立一條符號為“-”的邊；建立有向符號網絡的邊及其符號三元組：(source,target,signed)；

S2：充分考慮各類網絡結構信息，提取節點特征，與符號網絡節點間的連邊一同作為圖神經網絡模型的輸入，包括以下子步驟：

S2-1：統計有向符號網絡中各節點的正邊和負邊的出度、入度，將其歸一化后作為節點的四個特征；

S2-2：使用能夠處理符號網絡社區發現的技術對有向符號網絡進行社區發現，將節點所在社區作為節點的第五個特征，可選方法有：SigNet、SPONGE等基于圖最小割、譜分析等先進技術的社區發現；

S2-3：根據邊的方向和符號分別統計正/負邊的互惠結構，將互惠信息作為邊的特征；

S2-4：以上網絡結構特征與節點自身屬性，如性別、年齡、民族等拼接后作為節點的最終節點特征；

為提高算法效率，以上步驟可離線實施。

S3：將有向符號網絡的邊和節點特征作為圖神經網絡模型的輸入，使用地位理論指導模型學習節點的低維向量表示和節點在發送/接收兩個方向上的地位值；

設計可用于有向符號網絡的基于消息傳遞機制的圖神經網絡框架—Sta-MPNN，其特征在于：利用地位理論指導圖神經網絡在區分邊方向的基礎上進行信息傳遞與匯聚。首先將有向符號網絡G和步驟S2得到的節點特征(Node Feature)作為神經網絡的輸入，其中d是特征向量維數，然后將節點特征作為信息(Message)，按照網絡拓撲結構G進行K跳傳遞(Message Passing)，將鄰居節點特征和自身特征匯聚(Aggregate)到目標節點，實現通過鄰居節點和自身特征共同表示目標節點的目標。

為完成上述目標，首先設計邊符號的表示方法，然后基于邊符號以及邊兩端的節點，設計深度為K的卷積層，用于傳播、匯聚信息，使K跳的鄰居信息能夠傳遞給目標節點并與目標節點自身特征進行聚合，最后設計合理的損失函數，指導模型進行學習。

S4：根據節點的地位值，實現有向符號網絡的鏈路預測；

S5：根據節點在接收方向上的正/負面地位值之差，實現節點排序，發現網絡中的關鍵節點。