基于社交网络的社交关系表示方法和装置制造方法及图纸

本发明专利技术提供一种基于社交网络的社交关系表示方法和装置。其中，所述方法包括：获取原始社交网络，并将原始社交网络分割为抽象社交网络；将抽象社交网络输入至预设的嵌入表示模型，获取抽象社交网络中抽象节点的节点向量；其中，嵌入表示模型用于基于网络拓扑近邻结构保持和潜在社区结构的保持对抽象社交网络进行联合优化表示，得到抽象节点的节点向量；基于抽象节点的节点向量，进行社区约束下的嵌入传播，得到原始社交网络中原始节点最终特征向量。如此，该方法中，保持网络的局部微观近邻结构，同时考虑网络节点的中观社区结构，使得最终得到的原始节点的最终特征向量可以更加真实全面的展示原始社交网络中的社交关系。实全面的展示原始社交网络中的社交关系。实全面的展示原始社交网络中的社交关系。

【技术实现步骤摘要】
基于社交网络的社交关系表示方法和装置


[0001]本专利技术涉及网络
，尤其涉及一种基于社交网络的社交关系表示方法和装置。

技术介绍

[0002]近年来，随着网络技术的发展，在线社交网络已经深入到用户生活的方方面面；社交关系在网络中存在大量的应用，例如游戏好友的推荐、视频的推荐等。
[0003]但是，由于社交网络过于庞大，复杂的社交网络无法直接进行使用，而且社交网络中提取有用的信息的过程太过复杂。现有技术中缺乏从社交网络中提取的有效社交关系的手段。

技术实现思路

[0004]本专利技术实施例提供一种基于社交网络的社交关系表示方法和装置，用以解决现有技术中缺乏从社交网络中提取的有效社交关系的手段的问题。
[0005]第一方面，本专利技术实施例提供一种基于社交网络的社交关系表示方法，所述方法包括：
[0006]获取原始社交网络，并将所述原始社交网络分割为抽象社交网络；所述原始社交网络包括原始节点，所述抽象社交网络包括与所述原始社交网络的分割结果相对应的抽象节点；
[0007]将所述抽象社交网络输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于社交网络的社交关系表示方法，其特征在于，所述方法包括：获取原始社交网络，并将所述原始社交网络分割为抽象社交网络；所述原始社交网络包括原始节点，所述抽象社交网络包括与所述原始社交网络的分割结果相对应的抽象节点；将所述抽象社交网络输入至预设的嵌入表示模型，获取所述抽象社交网络中抽象节点的节点向量；其中，所述嵌入表示模型用于基于网络拓扑近邻结构保持和潜在社区结构的保持对所述抽象社交网络进行联合优化表示，得到抽象节点的节点向量；基于所述抽象节点的节点向量，进行社区约束下的嵌入传播，得到所述原始社交网络中原始节点最终特征向量；其中，所述最终特征向量用于表示原始社交网络中的社交关系。2.根据权利要求1所述的基于社交网络的社交关系表示方法，其特征在于，所述获取原始社交网络，并将所述原始社交网络分割为抽象社交网络，包括：获取原始社交网络；基于初步类约束，将所述原始社交网络中的原始节点分割为多个网络社区；将各个所述网络社区作为一个抽象节点，得到抽象社交网络。3.根据权利要求1所述的基于社交网络的社交关系表示方法，其特征在于，所述嵌入表示模型包括：网络拓扑结构保持模块和网络潜在社区结构优化模块；所述网络拓扑结构保持模块用于确定所述抽象社交网络的低维嵌入表示联合约束函数；所述网络潜在社区结构优化模块用于确定所述抽象社交网络的潜在聚类结构优化的目标函数；所述嵌入表示模型用于基于所述低维嵌入表示联合约束函数和所述潜在聚类结构优化的目标函数进行联合优化学习，得到抽象节点的节点向量。4.根据权利要求3所述的基于社交网络的社交关系表示方法，其特征在于，所述网络拓扑结构保持模块具体用于：基于所述抽象社交网络，构建近似k阶近邻相似度矩阵；将所述近似k阶近邻相似度矩阵输入深度自编码器，得到低维嵌入表示联合约束函数。5.根据权利要求3所述的基于社交网络的社交关系表示方法，其特征在于，所述网络潜在社区结构优化模块具体用于：采用学生t
‑
分布度量所述抽象社交网络，得到概率分布；基于所述概率分布，确定辅助目标分布；将所述抽象社交网络的节点低维表示的类分布与目标分布拟合，并基于KL散度衡量得到潜在聚类结构优化的目标函数。6.根据权利要求2所述的...

【专利技术属性】
技术研发人员：李建强，徐宏民，李亚芳，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：