网络构建方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术提供了一种网络构建方法、装置、存储介质及电子设备，构建节点的族群归属度模型；构建节点的高阶关联关系模型；构建节点的族群归属度表示和节点高阶关联关系之间的关系模型；融合所述族群归属度模型、所述高阶关联关系模型及所述族群归属度表示和节点高阶关联关系之间的关系模型，构建统一模型；根据所述统一模型，生成网络中节点的向量表示。本发明专利技术使用族群信息对节点表示进行指导和优化，实现在保留高阶关联关系的同时利用族群信息，挖掘网络中的信息，生成更优的网络中节点的向量表示数据。

Network construction method, device, storage medium and electronic equipment

【技术实现步骤摘要】
网络构建方法、装置、存储介质及电子设备
本专利技术涉及人工智能领域，具体而言，涉及一种网络构建方法、装置、存储介质及电子设备。
技术介绍
本专利技术对于
技术介绍
的描述属于与本专利技术相关的相关技术，仅仅是用于说明和便于理解本专利技术的
技术实现思路
，不应理解为申请人明确认为或推定申请人认为是本专利技术在首次提出申请的申请日的现有技术。网络由若干节点和连接这些节点的边构成，网络可表示诸多对象及其相互联系。对网络进行构建，即对网络中各节点进行向量表示是对网络中各节点进行推荐、分类、聚类等任务的基础。在现有技术中，网络构建的方法主要为：根据网络的节点间的连接关系或特征信息，构建网络中节点的一阶或高阶相似程度矩阵，运用统计学习方法、奇异值分解、特征分解和矩阵分解等方法和技术对相似度矩阵进行数值运算，获得网络节点表示。但以上网络构建的方法往往不够准确，而影响后续推荐、分类、聚类等任务的正常进行。
技术实现思路
为了解决目前网络构建方法不够准确的问题，本专利技术实施例提供了一种网络构建方法及装置，至少部分解决上述问题。第一方面，本专利技术实施例提供了一种网络构建方法，包括以下步骤：构建节点的族群归属度本文档来自技高网...

【技术保护点】
1.一种网络的构建方法，其特征在于，所述方法包括：构建节点的族群归属度模型；构建节点的高阶关联关系模型；构建节点的族群归属度表示和节点高阶关联关系之间的关系模型；融合所述族群归属度模型、所述高阶关联关系模型及所述族群归属度表示和节点高阶关联关系之间的关系模型，构建统一模型；根据所述统一模型，生成网络中节点的向量表示。

【技术特征摘要】
1.一种网络的构建方法，其特征在于，所述方法包括：构建节点的族群归属度模型；构建节点的高阶关联关系模型；构建节点的族群归属度表示和节点高阶关联关系之间的关系模型；融合所述族群归属度模型、所述高阶关联关系模型及所述族群归属度表示和节点高阶关联关系之间的关系模型，构建统一模型；根据所述统一模型，生成网络中节点的向量表示。2.根据权利要求1所述的方法，其特征在于，所述构建节点的族群归属度模型包括：计算节点之间属于相同族群的概率；计算节点之间的相似度；基于所述属于相同族群的概率及所述相似度，构建所述族群归属度模型。3.根据权利要求2所述的方法，其特征在于，所述计算节点之间的相似度包括：计算节点之间的余弦相似度。4.根据权利要求1所述的方法，其特征在于，所述构建节点的高阶关联关系模型包括：根据节点之间的连接关系，确定节点的高阶关联关系；基于所述高阶关联关系、所述网络中节点的向量表示及节点关系矩阵，确定所述高阶关联关系模型。5.根据权利要求1所述的方法，其特征在于，所述融合所述族群归属度模型、所述高阶关联关系模型及所述族群归属度表示和节点高阶关联关系之间的关系模型，构建统一模型包括：确定所述族群归属度模型的损失函数；确定所述高阶关联关系模型的损失函数；确定所述族群归属度表示和节点高阶关联关系之间的关系模型的损失函数；线性组合所述族群归属度模型的损失函数、所述高阶关联关系模型的损失函数及所述族群归属度表示和节点高...

【专利技术属性】
技术研发人员：李玉，常毅，王英，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22