一种基于动态随机游走的多粒度路由网络表达方法技术

本发明专利技术属于网络拓扑结构分析领域，具体涉及一种基于动态随机游走的多粒度路由网络表达方法，该方法包括：获取网络中各个节点的信息，根据节点信息计算各个节点的重要性，根据节点重要性将节点分布在不同的粒度层上；获取各个节点的邻域结构，根据节点重要性和邻域结构确定每个加权图中的节点对之间的边权；采用动态随机游走策略对每个节点进行处理，并处理后的节点序列输入到Skip

【技术实现步骤摘要】
一种基于动态随机游走的多粒度路由网络表达方法


[0001]本专利技术属于网络拓扑结构分析领域，具体涉及一种基于动态随机游走的多粒度路由网络表达方法。

技术介绍

[0002]随着卫星通信和互联网的发展，网络结构的规模呈指数增加，针对复杂的大规模网络分析成为当前的重要问题。传统用邻接矩阵表示网络的结构，它的维度为设备数n的平方，对于真实世界的大规模网络是不能接受的。而且大部分网络是稀疏的，用邻接矩阵表示会有很多的冗余信息。基于嵌入的网络表达方法旨在学习设备在低维空间中的连续稠密表示，从而减少噪声和冗余信息。
[0003]如果直接针对原网络进行训练复杂度会很高，通过分而治之的思想，将原网络进行粒度分层，然后采用并行计算的思想，加快模型训练速度。

技术实现思路

[0004]为解决以上现有技术存在的问题，本专利技术提出了一种基于动态随机游走的多粒度路由网络表达方法，该方法包括：
[0005]S1：获取网络中各个节点的信息，根据节点信息计算各个节点的重要性；根据重要性将各个节点划分到多粒度图上；
[0006]S2：根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态随机游走的多粒度路由网络表达方法，其特征在于，包括：S1：获取网络中各个节点的信息，根据节点信息计算各个节点的重要性；根据重要性将各个节点划分到多粒度图上；S2：根据多粒度图中的每层节点的重要性和邻域结构计算每个图层节点对的边权，该边权为各个节点的相似性，将该相似性将会作为动态随机游走的初始概率；S3：采用动态随机游走策略对每个节点进行处理，该游走策略中各个节点根据相似性选择后续节点，从而生成上下文节点序列；S4：将生成的上下文节点序列输入到Skip
‑
Gram模型中进行训练，得到节点的低维向量。2.根据权利要求1所述的一种基于动态随机游走的多粒度路由网络表达方法，其特征在于，计算各个节点的重要程度包括：根据度中心性和中介中心性计算节点的重要性；无向未加权网络为G＝(V,E)，计算无线未加权网路中的节点的度中心性和中介中心性；对计算出的度中心性和中介中心性进行归一化处理；将归一化后的度中心性和中介中心性进行加权融合处理，得到各个节点的重要程度，其中，V表示网络的节点数，E表示网络的边数。3.根据权利要求2所述的一种基于动态随机游走的多粒度路由网络表达方法，其特征在于，度中心性、中介中心性以及节点的重要程度计算公式为：度中心性：中介中心性：节点的重要程度：IMP(i)＝λ*DC(i)+(1
‑
λ)*BC(i)其中，DC(i)表示节点i的度中心性，|V|表示网络中的节点数，x
ij
表示节点i与节点j之间是否存在连接边；BC(i)表示节点i的中介中心性，g
jk
表示节点j和k之间的最短路径的数量，g
jk
(i)表示依次连接节点j、i、k的最短路径数量，IMP(i)表示节点i的重要程度，λ表示权重。4.根据权利要求1所述的一种基于动态随机游走的多粒度路由网络表达方法，其特征在于，根据重要性将各个节点划分到多粒度图上的过程包括：根据各个节点的重要程度的大小计算各个节点的相似性，根据相似性的大小将节点分为4类，每类对应一个粒层；节点划分的4个类别包括核心节点、重要节点、普通节点以及边缘节点。5.根据权利要求4所述的一种基于动态随机游走的多粒度路由网络表达方法，其特征在于，计算每个粒层节点之间的相似的公式为：其中，k表示第k个粒层，S
k
(i,j)表示节点间的结构相似性，IMP(i)表示节点i的重要程度，IMP(j)表示节点j的重要程度。
6.根据权利要求1所述的一种基于动态随机游走的多粒度路由网络表达方法，其特征在于，计算每个加权图中的节点对之间的相似性的过程包括：根据每层节点之间的相似性构建相似性矩阵S和邻接矩阵A；根据相似性矩阵和邻接矩阵确定各层的权重矩阵W；根据...

【专利技术属性】
技术研发人员：舒航，
申请(专利权)人：东方红卫星移动通信有限公司，
类型：发明
国别省市：