【技术实现步骤摘要】
基于节点嵌入和个性化时间间隔的复杂网络链路预测方法
本专利技术属于时序网络链路预测领域，主要涉及基于节点嵌入和个性化时间间隔的复杂网络链路预测方法。
技术介绍
随着互联网的发展，越来越多的用户在各种网络平台上都建立起了虚拟账户，传统的社交网络大都是根据用户间的朋友关系、相互关注关系生成同构网络，其侧重于网络结构，通过分析现实生活中的现象以及网络结构实现用户间关系的预测，比如用户很可能与朋友的朋友形成朋友关系，这反映在网络中就是两个未连接的节点形成链接的可能性取决于它们的共同邻居的个数。然而只考虑用户间的一种关系对于预测精度的提升是有限的，实际上，信息实体广泛关联，节点和边的类型都趋于多样化，例如在学术网络中，以作者为节点，作者之间可以形成合作关系，也可以因为参加了相同会议而形成会议关系，由此便衍生出多关系网络的概念。同时，如果在预测时也考虑网络的动态性，就可以从多角度分析用户之间的亲密程度，有助于提升预测的准确度。传统的时序网络上的链路预测存在一些局限性，首先，传统的预测方法考虑的关系类型单一，同构网络的结构信息稀疏...
【技术保护点】
1.基于节点嵌入和个性化时间间隔的复杂网络链路预测方法，其特征在于，包括如下步骤：/n步骤1：根据某领域数据集，全面的捕获该领域用户间的多种网络关系，生成时序多关系网络；/n步骤2：确定时序多关系网络中要预测的目标类型链接，得到目标网络与辅助网络并进行两个网络对应邻接矩阵的完备化处理，最后利用共享矩阵分解生成节点特征向量，即节点嵌入；/n步骤3：针对多关系网络中节点间不同类型的链接，动态生成个性化时间间隔，基于此生成了包含时间信息的关系形成序列，同时生成多关系网络中不同关系间的影响力；/n步骤4：以节点嵌入的乘积作为基础概率，利用霍克斯过程对关系形成序列进行建模，得到节点间...
【技术特征摘要】
1.基于节点嵌入和个性化时间间隔的复杂网络链路预测方法，其特征在于，包括如下步骤：
步骤1：根据某领域数据集，全面的捕获该领域用户间的多种网络关系，生成时序多关系网络；
步骤2：确定时序多关系网络中要预测的目标类型链接，得到目标网络与辅助网络并进行两个网络对应邻接矩阵的完备化处理，最后利用共享矩阵分解生成节点特征向量，即节点嵌入；
步骤3：针对多关系网络中节点间不同类型的链接，动态生成个性化时间间隔，基于此生成了包含时间信息的关系形成序列，同时生成多关系网络中不同关系间的影响力；
步骤4：以节点嵌入的乘积作为基础概率，利用霍克斯过程对关系形成序列进行建模，得到节点间链接形成的概率，实现了两个节点间目标类型链接的预测。
2.如权利要求1所述的基于节点嵌入和个性化时间间隔的复杂网络链路预测方法，其特征在于，所述步骤1具体为：
步骤1.1：根据用户间的第一类数据信息构建第一类关系网络G1＝(V,E1)，其中V表示某领域数据集中的节点集合，E1表示第一类数据中边的集合；
步骤1.2：根据用户间的第二类数据信息构建第二类关系网络G2＝(V,E2)，其中V表示某领域数据集中的节点集合，E2表示第二类数据中边的集合；
步骤1.3：根据用户间的第三类数据信息构建第三类关系网络G3＝(V,E3)，其中V表示某领域数据集中的节点集合，E3表示第三类数据中边的集合。
3.如权利要求1所述的基于节点嵌入和个性化时间间隔的复杂网络链路预测方法，其特征在于，所述步骤2具体为：
步骤2.1：假设目标链接为第一类关系，目标网络则为G1＝(V,E1),从不同领域的数据集中获得与目标网络有交集但不完全相同的另一个网络，作为辅助网络G′＝(V′,E′)；
步骤2.2：分别对两个网络进行奇异值分解，得到左奇异值向量L1和L′，奇异值矩阵Σ1和Σ′，右奇异向量R1和R′，将L1Σ1R1T和L′Σ′1R′T的结果作为G1和G′完备后的邻接矩阵M1和M′；
步骤2.3：将节点整合，使得两个网络拥有相同的节点集，但边集保持不变，因此矩阵M1和M′变为维度为|Vall|×|Vall|的矩阵A1和A2，其中Vall＝V∪V′；
步骤2.4：将经过完备后的矩阵...
【专利技术属性】
技术研发人员：申德荣，刘雨馨，寇月，聂铁铮，于戈，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。