一种网络节点的增强表示方法及装置制造方法及图纸

本发明专利技术实施例提供一种网络节点的增强表示方法及装置，所述方法包括：获取网络节点之间的连接关系；根据所述连接关系和已有的网络表示学习模型获取所述网络节点的表示向量；根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，并用更新迭代计算后的网络节点表示矩阵增强表示所述网络节点。所述装置执行上述方法。本发明专利技术实施例提供的网络节点的增强表示方法及装置，能够用更新迭代计算后的网络节点表示矩阵表示网络节点，从而提高对网络节点的节点分类、网络节点之间链接预测的准确度。

An enhanced representation method and device for network nodes

The embodiment of the invention provides an enhanced network node representation method and device, the method comprises: acquiring the connection between network nodes; according to the existing network connection and learning model to acquire the network node vector; according to the connecting relationship of the network node vector update iteration, and network node updates the iterative calculation of the matrix representation of enhances the network node. The device executes the above method. The enhanced representation method and device of the network node provided by the embodiment of the invention can express the network node with the updated network node representation matrix after updating, and thus improve the accuracy of the node classification and the link prediction between the network nodes.

【技术实现步骤摘要】
一种网络节点的增强表示方法及装置
本专利技术实施例涉及向量表示
，具体涉及一种网络节点的增强表示方法及装置。
技术介绍
网络数据是我们日常生活和科学研究中的一种重要的数据类型。网络表示学习致力于为网络中的每个节点学习一个分布式实值向量表示。学习了节点的网络表示之后，这些表示可以作为节点的特征，用于后续的节点分类、链接预测等任务。近年来，研究者们在网络表示学习问题上提出了DeepWalk，LINE，GraRep等算法。研究发现：采用上述的算法对网络节点进行表示后，所进行的节点分类、网络节点之间的链接预测的准确度仍需要进一步提高。因此，如何更加合理地表示网络节点，从而提高对网络节点的节点分类、网络节点之间链接预测的准确度，成为亟须解决的问题。
技术实现思路
针对现有技术存在的问题，本专利技术实施例提供一种网络节点的增强表示方法及装置。第一方面，本专利技术实施例提供一种网络节点的增强表示方法，所述方法包括：获取网络节点之间的连接关系；根据所述连接关系和已有的网络表示学习模型获取所述网络节点的表示向量；根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，并用更新迭代计算后的网络节点表本文档来自技高网...

【技术保护点】
一种网络节点的增强表示方法，其特征在于，包括：获取网络节点之间的连接关系；根据所述连接关系和已有的网络表示学习模型获取所述网络节点的表示向量；根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，并用更新迭代计算后的网络节点表示矩阵增强表示所述网络节点。

【技术特征摘要】
1.一种网络节点的增强表示方法，其特征在于，包括：获取网络节点之间的连接关系；根据所述连接关系和已有的网络表示学习模型获取所述网络节点的表示向量；根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，并用更新迭代计算后的网络节点表示矩阵增强表示所述网络节点。2.根据权利要求1所述的方法，其特征在于，所述根据所述连接关系和已有的网络表示学习模型获取所述网络节点的表示向量，包括：根据所述连接关系构建邻接矩阵M，所述邻接矩阵M的行节点个数和列节点个数都为V；将所述邻接矩阵M作为已有的网络表示学习模型的输入，以获得网络节点表示矩阵U，所述网络节点表示矩阵U的行节点个数为V、列节点个数为K，每个行节点对应着每个所述网络节点的K维表示向量。3.根据权利要求2所述的方法，其特征在于，所述根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，包括：预处理所述邻接矩阵M和所述网络节点表示矩阵U；根据预处理后的邻接矩阵M和预处理后的网络节点表示矩阵U、以及如下公式对预处理后的网络节点表示矩阵U进行更新：Unew＝U+λ1M·U+λ2M·(M·U)；其中，Unew为更新的网络节点表示矩阵、U为预处理后的网络节点表示矩阵、M为预处理后的邻接矩阵、λ1和λ2为预设参数，都为小于1的小数；将当前的Unew的值赋给U；重复所述根据预处理后的邻接矩阵M和预处理后的网络节点表示矩阵U、以及如下公式对预处理后的网络节点表示矩阵U进行更新至所述将当前的Unew的值赋给U之间的步骤T次，将最终获得的Unew作为更新迭代计算后的网络节点表示矩阵，其中T为预设重复次数、为小于等于3的正整数。4.根据权利要求3所述的方法，其特征在于，所述预处理所述邻接矩阵M和所述网络节点表示矩阵U，包括：对邻接矩阵M进行行归一化处理，以使得每行的邻接矩阵元素之和等于1；对网络节点表示矩阵U进行列归一化处理，以使得每列的网络节点表示矩阵元素的平方和等于1。5.根据权利要求1至4任一所述的方法，其特征在于，所述根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，并用更新迭代计算后的网络节点表示矩阵增强表示所述网络节点步骤之后，所述方法还包括：获取所述网络节点的类别信息；根据所述类别信息和...

【专利技术属性】
技术研发人员：杨成，孙茂松，刘知远，涂存超，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11