一种链路预测方法、装置及存储介质制造方法及图纸

本说明书实施例涉及大数据技术领域，具体公开了一种链路预测方法、装置及存储介质，所述方法包括：获取指定网络中任一待链接预测的节点对，作为目标节点对；提取目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力；其中，共同邻居共享影响力利用目标节点对的共同邻居节点的度表征；共同邻居分散影响力利用目标节点对的共同邻居节点所在的最短路径数表征；节点间影响力利用目标节点对的各共同邻居节点的相似性表征；根据目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力对所述目标节点对进行链接预测，以基于链接预测结果确定指定网络中节点对间的链路关系，进而提高网络链路预测的准确性及稳定性。确性及稳定性。确性及稳定性。

【技术实现步骤摘要】
一种链路预测方法、装置及存储介质


[0001]本说明书涉及大数据
，特别地，涉及一种链路预测方法、装置及存储介质。

技术介绍

[0002]链路预测的目标是基于过去的网络节点以及网络结构等信息来预测网络中每个节点对之间是否存在链路。链接预测是一个出现在许多研究领域的数据挖掘问题，社交网络朋友推荐则是链路预测算法最典型的一个应用，将用户看作社交网络中的节点，则用户间的朋友关系就是网络中的链路，节点对间的影响力指标也就是朋友间的影响力指标。
[0003]解决链路预测问题最有效的算法是评分方法。在评分方法中，定义了测量网络节点之间相似度的多个评分函数。对于需要预测的网络中的每个链接，评分函数为该链接分配一定的分数，假设预先设定链接数量为n，则选取链接分数最高的n条作为预测存在的链路。评分函数可以以各种方式定义，其中基于普通邻居的定义是最普遍的。如AA预测算法、SA预测算法、以及Salton、Jaccard、Sorenson、HPI、HDI、LHN和RA等。现有共同邻居方法的基本思想是共同邻居的数量代表链路形成的可能性。然而，这些算法仅以粗略和笼统的方式描绘了共同邻居的特征，没有综合地刻画共同邻居对要预测链路的影响力大小，影响了预测结果的准确性。

技术实现思路

[0004]本说明书实施例的目的在于提供一种链路预测方法、装置及存储介质，可以提高网络链路预测的准确性及稳定性。
[0005]本说明书提供一种链路预测方法、装置及存储介质是包括如下方式实现的：
[0006]一种链路预测方法，应用于服务器，所述方法包括：获取指定网络中任一待链接预测的节点对，作为目标节点对；提取所述目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力；其中，所述共同邻居共享影响力利用所述目标节点对的共同邻居节点的度表征；所述共同邻居分散影响力利用所述目标节点对的共同邻居节点所在的最短路径数表征；所述节点间影响力利用所述目标节点对的共同邻居节点的相似性表征；根据所述目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力对所述目标节点对进行链接预测，以基于链接预测结果确定所述指定网络中节点对间的链路关系。
[0007]另一方面，本说明书实施例提供一种链路预测装置，应用于服务器，所述装置包括：获取模块，用于获取指定网络中任一待链接预测的节点对，作为目标节点对；提取模块，用于提取所述目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力；其中，所述共同邻居共享影响力利用所述目标节点对的共同邻居节点的度表征；所述共同邻居分散影响力利用所述目标节点对的共同邻居节点所在的最短路径数表征；所述节点间影响力利用所述目标节点对的共同邻居节点的相似性表征；预测模块，用于根据所述目
标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力对所述目标节点对进行链接预测，以基于链接预测结果确定所述指定网络中节点对间的链路关系。
[0008]另一方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述任意一个或者多个实施例所述方法的步骤。
[0009]本说明书一个或多个实施例提供的链路预测方法、装置及存储介质，通过进一步考虑传输损耗来确定共同邻居共享影响力可以使得影响力的确定更加符合相应的应用场景，提高链接预测的准确性。同时，进一步考虑共同邻居影响力的分散，可以使得共同邻居节点的外部影响分析更加全面，进一步保证链接预测的准确性。此外，还进一步考虑了节点对的节点间影响，从三元结构的内部稳定性来反映节点对的链接可能性，可以使得链接预测更加稳定。再进一步组合上述链接预测方式，可以使得节点对链接预测更加稳定准确。
附图说明
[0010]为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0011]图1为本说明书提供的三元闭合结构示意图；
[0012]图2为本说明书提供的链路预测方法的实施流程示意图；
[0013]图3为本说明书提供的链路预测装置的模块结构示意图。
具体实施方式
[0014]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是说明书一部分实施例，而不是全部的实施例。基于说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书实施例方案保护的范围。
[0015]本说明书提供的一个场景示例中，如图1所示，P与O各代表一个人，X是第三者或态度对象，P如果喜欢O，那么他们将以相同的态度看待X，此时认知体系呈现平衡状态，这也可以扩展到人(X)，从而引入三元闭合结构。即，如果一个人P认识X和O，则X倾向于认识O，这也反映了邻居对链接的影响。相应的，本场景示例基于三元闭合结构中节点间的影响，提出了三个节点间的影响力评价指标和一种综合链路预测方法。可以将待链接的两个节点X和O，作为目标节点对，将与目标节点对分别存在直接链接关系的节点P，作为目标节点对的共同邻居节点，以基于共同邻居节点对目标节点对的影响力大小，来预测目标节点对之间存在链接的可能性。
[0016]本场景示例中，从共享影响力以及影响力分散两个维度综合评价共同邻居节点对目标节点对链接的影响，并进一步结合目标节点对的各共同邻居节点间相似性特征来预测目标节点间的链接可能性，可以进一步提高目标节点间链接预测的准确性以及稳定性，进而提高网络的链路关系预测的准确性。
[0017]所述链路预测方法可以应用于服务器，所述服务器可以是指单个服务器或者多个
服务器组成的服务器集群。服务器可以获取指定网络。所述指定网络可以为待预测的任一网络，如航空运输网络、金融业务网络等。指定网络可以采用多种信息形式表征，如可以采用信息集的方式，也可以采用图谱的方式，这里不做限定。服务器可以将所述指定网络中任一待链接预测的节点对，作为目标节点对。
[0018]服务器可以分别提取所述目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力。其中，所述共同邻居共享影响力可以利用所述目标节点对的共同邻居节点的度表征。所述共同邻居分散影响力可以利用所述目标节点对的共同邻居节点所在的最短路径数表征。所述节点间影响力可以利用所述目标节点对的各共同邻居节点的相似性表征。
[0019]共同邻居节点向与其链接的每个节点对分配的影响力大小通常与该共同邻居节点的度有关，可以将共同邻居节点的影响力根据该共同邻居节点的度均匀分配给与该共同邻居节点链接的每个节点对。相应的，本场景示例中，服务器可以先获取目标节点对所对应的共同邻居节点，再基于共同邻居节点的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种链路预测方法，其特征在于，应用于服务器，所述方法包括：获取指定网络中任一待链接预测的节点对，作为目标节点对；提取所述目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力；其中，所述共同邻居共享影响力利用所述目标节点对的共同邻居节点的度表征；所述共同邻居分散影响力利用所述目标节点对的共同邻居节点所在的最短路径数表征；所述节点间影响力利用所述目标节点对的共同邻居节点的相似性表征；根据所述目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力对所述目标节点对进行链接预测，以基于链接预测结果确定所述指定网络中节点对间的链路关系。2.根据权利要求1所述的方法，其特征在于，所述目标节点对的共同邻居共享影响力采用下述方式确定：其中，表示目标节点对x和y的共同邻居共享影响力，z表示目标节点对x和y的共同邻居节点，Γ(x)表示与节点x直接链接的节点所形成的集合，Γ(y)表示与节点y直接链接的节点所形成的集合，k
z
代表节点z的度，γ表示影响力传输损耗。3.根据权利要求1所述的方法，其特征在于，所述目标节点对的共同邻居分散影响力采用下述方式确定：其中，表示目标节点对x和y的共同邻居分散影响力，z表示目标节点对x和y的共同邻居节点，Γ(x)表示与节点x直接链接的节点所形成的集合，Γ(y)表示与节点y直接链接的节点所形成的集合，σ
st
表示从节点s到节点t的最短路径的总数，表示从节点s到节点t的最短路径中经过节点z的路径数量。4.根据权利要求1所述的方法，其特征在于，所述目标节点对的节点间影响力采用下述方式确定：其中，表示目标节点对x和y的节点间影响力，l表示所述指定网络的任一节点，N表示所述指定网络中的节点数，v
xl
表示节点x与节点l对应于矩阵A2中的元素值，v
yl
表示节点y与节点l对应于矩阵A2中的元素值，v
x
、v
y
分别表示A2中对应节点x、y的行或列，分别表示v
x
的平均值、标准差，分别表示v
y
的平均值、标准差，A2为所述指定网络的邻接矩阵的平方。5.根据权利要求1所述的方法，其特征在于，所述根据所述目标节点对的共同邻居共享影响力、共同邻居分散影响力以及节点间影响力对所述目标节点对进行链接预测，包括：
其中，表示目标节点对x和y的链接预测分数，表示目标节点对x和y的共同邻居共享影响力，表示目标节点对x和y的共同邻居分散影响力，表示目标节点...

【专利技术属性】
技术研发人员：曾琳奕，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：