基于动态图的社交网络节点分类方法技术

本发明专利技术公开了基于动态图的社交网络节点分类方法，利用sparsemax函数强化不同节点在时序前后的联系，并结合长短期记忆神经网络使稀疏化处理和细胞的门控共同作用，更好地对时序数据前后联系和依赖关系进行挖掘，充分表达了时序数据中节点状态的变化模式，从而提高社交网络节点分类的精准度。本发明专利技术解决了现有的社交网络节点分类方法中，对于社交网络中动态变化的时序数据，无法有效的挖掘节点之间的相互影响和不同时间的前后依赖关系的问题，可用于社交平台，推荐系统，信息系统，医疗健康，影视娱乐等领域中的动态结构社交节点分类问题。

Classification of social network nodes based on dynamic graph

【技术实现步骤摘要】
基于动态图的社交网络节点分类方法
本专利技术涉及数据挖掘
，尤其涉及基于动态图的社交网络节点分类方法。
技术介绍
如今，社交网络的时序数据在社交系统，信息系统，医疗健康，金融市场等领域的应用变得越来越普遍。因此，动态图的节点分类任务已经成为一个重要且有价值的研究课题，如商品推荐，好友推荐等。传统如图卷积网络(GCN)和图注意力模型(GAT)等基于静态图的分类方法，其只对节点的静态状态敏感，并未考虑不同时间之间节点的关系。目前流行的另一类方法是对图节点进行一系列的特征变换，从而挖掘其中的模式用于分类，如多层感知器(MLP)、长短期记忆神经网络(LSTM)和卷积神经网络(CNN)等。这类方法虽然在特征空间上隐式地对不同变量之间的关系进行捕获，但是难以刻画变量之间关系的变化模式。在时间序列节点分类问题上，变量之间关系的某类变化方式往往代表着一种分类的类别。例如，在购物平台上，用户A在t时刻更喜欢购买X类商品，但是在t+1，t+2，t+3时刻又对Y类商品感兴趣从而购买了Y类商品，最后在t+4时刻由于需要又购买了X类商品，综合了所有时间步以本文档来自技高网...

【技术保护点】
1.基于动态图的社交网络节点分类方法，其特征在于，包括以下步骤：/nS1.获取带标签的社交网络数据集；/nS2.将所述社交网络数据集根据时间划分为T个时间步，并根据社交网络数据集中节点属性及节点特征构造每个时间步的邻接矩阵和特征矩阵；/nS3.构建基于点与边交互传递信息的图自动编码模型，输入所述每个时间步的邻接矩阵和特征矩阵，得到每个时间步的图节点表示；/nS4.将T个时间步的图节点表示通过权重矩阵的sparsemax函数进行稀疏化处理；/nS5.构建长短期记忆神经网络，并输入稀疏化处理后的图节点表示，得到每个节点经过处理时序信息的隐藏状态；/nS6.将隐藏状态输入标签分类器，输出对应的分类即...

【技术特征摘要】
1.基于动态图的社交网络节点分类方法，其特征在于，包括以下步骤：
S1.获取带标签的社交网络数据集；
S2.将所述社交网络数据集根据时间划分为T个时间步，并根据社交网络数据集中节点属性及节点特征构造每个时间步的邻接矩阵和特征矩阵；
S3.构建基于点与边交互传递信息的图自动编码模型，输入所述每个时间步的邻接矩阵和特征矩阵，得到每个时间步的图节点表示；
S4.将T个时间步的图节点表示通过权重矩阵的sparsemax函数进行稀疏化处理；
S5.构建长短期记忆神经网络，并输入稀疏化处理后的图节点表示，得到每个节点经过处理时序信息的隐藏状态；
S6.将隐藏状态输入标签分类器，输出对应的分类即为所述社交网络的节点分类结果。


2.根据权利要求1所述的基于动态图的社交网络节点分类方法，其特征在于，步骤S1所述的社交网络数据集是利用社交网络平台收集用户的原始数据，并将其中的冗杂信息剔除获得，所述社交网络数据集表示为：
X＝[x1,x2,x3,...,xm]
其中m为社交网络数据集中包含的样本数据的数量；设其中t时刻的样本数据xt∈Rn，即含有n变量，同时每个样本数据xt对应一个标签变量yt，其中yt∈L，L表示标签类别的集合。


3.根据权利要求2所述的基于动态图的社交网络节点分类方法，其特征在于，所述步骤S2具体为：对于每个时间步，从社交网络数据集X中获取时间长为w的样本数据Xt＝[xt-n+1,xt-n+2,...,xt]；其中Xt为社交网络数据集X中的一个时间片段，用于提取特征矩阵Xt1∈Rnxm和邻接矩阵At1∈Rnxn作为t时刻的输入；其中所述样本数据Xt包括两种情况：当其中的节点为同一类型，则每个时间步的所有节点处理为特征向量；当其中的节点存在不同类型的属性，则构造异构图，每个时间步的特征向量由不同节点的特征向量拼接而成。


4.根据权利要求3所述的基于动态图的社交网络节点分类方法，其特征在于，所述步骤S3具体为：
构建基于点与边交互传递信息的图自动编码模型，输入每个时间步的特征矩阵Xt1和邻接矩阵At1，利用所述图自动编码模型对每个时间步的节点进行消息传递及更新，并进行编码后得到对应的T个图节点表示h1,h2,h3,...,ht以及对应每个时刻的节点的标签yt；其中节点进行消息传递及更新的方式为：






其中是节点v...

【专利技术属性】
技术研发人员：蔡瑞初，李烁，郝志峰，温雯，吴迪，许柏炎，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44