确定节点表示的方法、装置及电子设备制造方法及图纸

本申请提供确定节点表示的方法、装置及电子设备。研究有符号网络，其目的是学习有符号网络中的节点表示。在有符号网络中，正链接子网络的节点间更强调相似性，而负链接子网络的节点间更强调差异性。因此，将有符号网络划分为正链接子网络和负链接子网络。由于低频信息和高频信息保持节点间的相似性和差异性；进而为正链接子网络和负链接子网络设计低频图信号滤波器和高频图信号滤波器，分别对应提取正链接子网络和负链接子网络的低频信息和高频信息，以确定节点表示；以对两个节点间的链接关系进行预测。该方案中利用低频信息和高频信息来描述有符号网络中的节点表示，能充分地对有符号网络进行建模。有符号网络进行建模。有符号网络进行建模。

【技术实现步骤摘要】
确定节点表示的方法、装置及电子设备


[0001]本申请涉及神经网络领域，并且更具体地，涉及神经网络领域中的确定节点表示的方法、装置及电子设备。

技术介绍

[0002]所谓有符号网络，是将真实世界中的个体抽象为有符号网络中的节点，将真实世界中个体之间的关系抽象成有符号网络中的边，该有符号网络中边会包含两种关系，即正向关系和负向关系。其中，正向关系为个体之间是友好关系、信任关系、喜欢关系或支持关系等，负向关系为个体之间是敌对关系、不信任关系、讨厌关系或反对关系等。
[0003]相关技术中，利用结构平衡理论对有符号网络进行建模。结构平衡理论假定有符号网络的结构满足平衡三角形结构。然而，真实世界中的有符号网络是复杂的，有符号网络的结构满足平衡三角形结构的假设过于理想化，并不能很好地对有符号网络进行建模。

技术实现思路

[0004]本申请提供确定节点表示的方法、装置及电子设备，该方法利用低频信息和高频信息来描述有符号网络中的节点表示(相似性和差异性)，更能充分地对有符号网络进行建模。
[0005]第一方面，提供了一种确定节点表示的方法，该方法包括：基于正链接子网络的第一度矩阵和第一拉普拉斯矩阵，生成该正链接子网络的第一高频图信号滤波器和第一低频图信号滤波器，以及基于负链接子网络的第二度矩阵和第二拉普拉斯矩阵，生成该负链接子网络的第二高频图信号滤波器和第二低频图信号滤波器，该正链接子网络和该负链接子网络是对有符号网络进行划分得到的，该有符号网络包括多个节点；利用该第一高频图信号滤波器和该第一低频图信号滤波器提取该正链接子网络的高频信息和该正链接子网络的低频信息，以及利用该第二高频图信号滤波器和该第二低频图信号滤波器提取该负链接子网络的高频信息和该负链接子网络的低频信息，该高频信息用于描述该正链接子网络或该负链接子网络中节点之间的差异性，该低频信息用于描述该正链接子网络或该负链接子网络中节点之间的相似性；基于该正链接子网络的高频信息和该正链接子网络的低频信息，以及该负链接子网络的高频信息和该负链接子网络的低频信息，确定该有符号网络中的节点表示，该节点表示用于对任一两个节点之间的链接关系进行预测。
[0006]上述技术方案中，对有符号网络进行研究，其目的是学习有符号网络中的节点表示，以表示该有符号网络中节点之间的相似性和差异性。由于在有符号网络中，正链接子网络的节点之间更加强调相似性，而负链接子网络的节点之间则更加强调差异性。因此，将有符号网络划分为正链接子网络和负链接子网络。由于正链接子网络和负链接子网络各自的低频信息和高频信息能够保持有符号网络中节点之间的相似性和差异性；进而可以分别为正链接子网络和负链接子网络设计低频图信号滤波器和高频图信号滤波器，以提取正链接子网络的低频信息和正链接子网络的高频信息，以及负链接子网络的低频信息和负链接子
网络的高频信息。从而，基于正链接子网络的低频信息和正链接子网络的高频信息，以及负链接子网络的低频信息和负链接子网络的高频信息来确定节点表示；以利用任一两个节点的节点表示对该两个节点之间的链接关系进行预测。该方案中利用低频信息和高频信息对有符号网络进行建模，也就是说，利用低频信息和高频信息来描述有符号网络中的节点表示(相似性和差异性)，更能充分地对有符号网络进行建模。
[0007]结合第一方面，在某些可能的实现方式中，该方法还包括：确定该正链接子网络的第一邻接矩阵；基于该第一邻接矩阵，确定该第一度矩阵；基于该第一度矩阵和该第一邻接矩阵，确定该第一拉普拉斯矩阵。
[0008]上述技术方案中，对正链接子网络的度矩阵(第一度矩阵)和拉普拉斯矩阵(第一拉普拉斯矩阵)的确定过程进行描述。具体地，基于正链接子网络的邻接矩阵(第一邻接矩阵)确定第一度矩阵；基于第一度矩阵和第一邻接矩阵确定第一拉普拉斯矩阵。
[0009]结合第一方面和上述实现方式，在某些可能的实现方式中，该方法还包括：基于该第一度矩阵和该第二度矩阵，确定该有符号网络的第三度矩阵；基于该第三度矩阵对该第一邻接矩阵进行规范化，得到第一规范化邻接矩阵；基于该第三度矩阵对该第一度矩阵进行规范化，得到第一规范化度矩阵；基于该第一规范化邻接矩阵和该第一规范化度矩阵，确定第一规范化拉普拉斯矩阵。
[0010]上述技术方案中，对正链接子网络的规范化邻接矩阵(第一规范化邻接矩阵)、规范化度矩阵(第一规范化度矩阵)和规范化拉普拉斯矩阵(第一规范化拉普拉斯矩阵)的确定过程进行描述。具体地，基于第一度矩阵和负链接子网络的度矩阵(第二度矩阵)确定有符号网络的度矩阵(第三度矩阵)；基于第三度矩阵对第一邻接矩阵进行规范化得到第一规范化邻接矩阵；基于第三度矩阵对第一度矩阵进行规范化得到第一规范化度矩阵；基于第一规范化邻接矩阵和第一规范化度矩阵确定第一规范化拉普拉斯矩阵。
[0011]结合第一方面和上述实现方式，在某些可能的实现方式中，该方法还包括：对第一规范化拉普拉斯矩阵进行特征分解，得到第一特征值矩阵，以及对负链接子网络的第二规范化拉普拉斯矩阵进行特征分解，得到第二特征值矩阵；以及，基于正链接子网络的第一度矩阵和第一拉普拉斯矩阵，生成该正链接子网络的第一高频图信号滤波器和第一低频图信号滤波器，包括：基于第一矩阵、第一规范化度矩阵和该第一特征值矩阵，分别生成该第一高频图信号滤波器和该第一低频图信号滤波器，该第一矩阵中的元素用于控制该有符号网络中任一节点与该节点之间相似性的贡献程度；以及，基于负链接子网络的第二度矩阵和第二拉普拉斯矩阵，生成该负链接子网络的第二高频图信号滤波器和第二低频图信号滤波器，包括：基于第二规范化度矩阵和该第二特征值矩阵，分别生成该第二高频图信号滤波器和该第二低频图信号滤波器。
[0012]应理解，第二规范化拉普拉斯矩阵的确定过程与第一规范化拉普拉斯矩阵的确定过程类似。具体地，基于第三度矩阵对负链接子网络的邻接矩阵(第二邻接矩阵)进行规范化得到负链接子网络的规范化邻接矩阵(第二规范化邻接矩阵)；基于第三度矩阵对第二度矩阵进行规范化得到第二规范化度矩阵；基于第二规范化邻接矩阵和第二规范化度矩阵确定负链接子网络的规范化拉普拉斯矩阵(第二规范化拉普拉斯矩阵)。
[0013]还应理解，由于正链接子网络的两个节点之间更加强调相似性，在正链接子网络中存在任一节点与该节点自身之间的相似性。例如，在一个描述用户节点(用户)之间的支
持度的有符号网络中，某一用户能够支持自己，也能够支持其他用户。因此在对正链接子网络的高频图信号滤波器(第一高频图信号滤波器)和低频图信号滤波器(第一低频图信号滤波器)进行生成的过程中，需要考虑正链接子网络中任一节点与该节点自身之间的相似性。
[0014]上述技术方案中，基于对正链接子网络的解释或理解，因此可基于第一矩阵、第一规范化度矩阵和第一特征值矩阵分别生成第一高频图信号滤波器和第一低频图信号滤波器。也就是说，确定第一高频图信号滤波器和第一低频图信号滤波器时，需要涉及任一节点与该节点之间相似性的贡献程度(第一矩阵)；而在负链接子网络中不存在任一节点与该节点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种确定节点表示的方法，其特征在于，所述方法包括：基于正链接子网络的第一度矩阵和第一拉普拉斯矩阵，生成所述正链接子网络的第一高频图信号滤波器和第一低频图信号滤波器，以及基于负链接子网络的第二度矩阵和第二拉普拉斯矩阵，生成所述负链接子网络的第二高频图信号滤波器和第二低频图信号滤波器，所述正链接子网络和所述负链接子网络是对有符号网络进行划分得到的，所述有符号网络包括多个节点；利用所述第一高频图信号滤波器和所述第一低频图信号滤波器提取所述正链接子网络的高频信息和所述正链接子网络的低频信息，以及利用所述第二高频图信号滤波器和所述第二低频图信号滤波器提取所述负链接子网络的高频信息和所述负链接子网络的低频信息，所述高频信息用于描述所述正链接子网络或所述负链接子网络中节点之间的差异性，所述低频信息用于描述所述正链接子网络或所述负链接子网络中节点之间的相似性；基于所述正链接子网络的高频信息和所述正链接子网络的低频信息，以及所述负链接子网络的高频信息和所述负链接子网络的低频信息，确定所述有符号网络中的节点表示，所述节点表示用于对任一两个节点之间的链接关系进行预测。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述正链接子网络的第一邻接矩阵；基于所述第一邻接矩阵，确定所述第一度矩阵；基于所述第一度矩阵和所述第一邻接矩阵，确定所述第一拉普拉斯矩阵。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：基于所述第一度矩阵和所述第二度矩阵，确定所述有符号网络的第三度矩阵；基于所述第三度矩阵对所述第一邻接矩阵进行规范化，得到第一规范化邻接矩阵；基于所述第三度矩阵对所述第一度矩阵进行规范化，得到第一规范化度矩阵；基于所述第一规范化邻接矩阵和所述第一规范化度矩阵，确定第一规范化拉普拉斯矩阵。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：对第一规范化拉普拉斯矩阵进行特征分解，得到第一特征值矩阵，以及对所述负链接子网络的第二规范化拉普拉斯矩阵进行特征分解，得到第二特征值矩阵；以及，所述基于正链接子网络的第一度矩阵和第一拉普拉斯矩阵，生成所述正链接子网络的第一高频图信号滤波器和第一低频图信号滤波器，包括：基于第一矩阵、第一规范化度矩阵和所述第一特征值矩阵，分别生成所述第一高频图信号滤波器和所述第一低频图信号滤波器，所述第一矩阵中的元素用于控制所述有符号网络中任一节点与所述节点之间相似性的贡献程度；以及，所述基于负链接子网络的第二度矩阵和第二拉普拉斯矩阵，生成所述负链接子网络的第二高频图信号滤波器和第二低频图信号滤波器，包括：基于第二规范化度矩阵和所述第二特征值矩阵，分别生成所述第二高频图信号滤波器和所述第二低频图信号滤波器。5.根据权利要求4所述的方法，其特征在于，所述利用所述第一高频图信号滤波器和所述第一低频图信号滤波器提取所述正链接子网络的高频信息和所述正链接子网络的低频信息，包括：
基于所述第一矩阵和第一规范化邻接矩阵，分别确定所述正链接子网络的高频信息和所述正链接子网络的低频信息；以及，所述利用所述第二高频图信号滤波器和所述第二低频图信号...

【专利技术属性】
技术研发人员：李玉，田原，常毅，
申请(专利权)人：吉林大学，
类型：发明
国别省市：