【技术实现步骤摘要】
本专利技术属于社交网络，特别是涉及一种动态社交网络中用于友谊推荐的社区搜索方法。
技术介绍
1、随着互联网技术的不断发展，全球大数据进入了加速发展时期，数据量呈指数级增长，为友谊推荐提供了丰富的资源。友谊推荐的目的是在社交网络中根据用户的兴趣和用户间的交互关系为指定的用户推荐友谊关系以方便用户进行各种社交活动。比如，在社交网络中可以为用户a推荐与之兴趣相投的一批用户以方便用户a组织一个团队或社团以进行学术研讨、项目合作、创建社团等社交活动；也可以为用户a推荐与之兴趣不同但合作紧密的一批用户以方便用户a组织一个团队进行跨领域/学科的合作/研究。
2、现实中的社交网络是异质的且动态的，即包含不同类型的实体(如用户、电影等)和关系(如用户与电影间的观影关系等)且实体、实体间的关系以及实体的特性(如用户的兴趣爱好)会随时间不断变化，称为动态社交网络。动态社交网络在计算机中表示为一系列有序的异质图(或异质网络)，其中节点代表实体，节点之间的边代表实体间的关系，节点关联的属性描述实体的特性。
3、友谊推荐旨在从动态社交网络中根据查询条件为指定的用户定位一组满足条件的节点作为结果。目前现有的进行友谊推荐的方法是一些支持动态社交网络的社区搜索方法，比如一种用于定位在特定时间段内节点间的关系稳定的社区的搜索方法，或是用于定位在特定时间段内查询节点的参与水平最大的社区搜索方法；但这些方法只考虑了节点间的交互关系进行搜索，忽略了节点的属性信息。因此，在友谊推荐中，这些方法只能为用户找到与之交互关系稳定的一组用户作为结果进行推荐
4、综上所述，现有的动态社交网络中的社区搜索方法只能单独考虑节点间的交互关系或节点的属性来进行社区搜索，导致推荐的友谊关系单一。
5、因此，亟需一种简单有效的社区搜索方法，在动态社交网络中同时考虑异质信息、节点间的交互关系的动态变化以及节点属性信息的动态变化，从而为用户推荐合适且多样化的友谊关系。
技术实现思路
1、本专利技术实施例的目的在于提供一种动态社交网络中用于友谊推荐的社区搜索方法，以解决现有动态网络中社区搜索方法推荐的友谊关系单一的问题。
2、为解决上述技术问题，本专利技术所采用的技术方案是，动态社交网络中用于友谊推荐的社区搜索方法，包括以下步骤：
3、s1：构建模型，并将动态社交网络、元路径集合、查询节点、社区大小、偏好权重输入至模型中；其中，动态社交网络中包括用户、作者、论文、电影、帖子类型的节点，节点表示实体；也包括用户间的好友关系、用户与电影间的观看关系、用户和帖子间的发表关系、作者与论文间的发表关系这些节点之间的关系；
4、s2：进行数据预处理，将表示实体间的多种类型关系的信息网络拆分成多个表示实体间单一关系的信息网络；
5、s3：计算所有节点与查询节点的属性相似度，得到实体间的相似程度，并训练模型；
6、s4：计算所有节点间关系的稳定程度；
7、s5：生成加权合图；
8、s6：进行社区搜索，输出符合社区大小要求的目标社区。
9、进一步的，所述s1包括：
10、s11：构建社区搜索模型cs-dahin，模型包括数据预处理模块、数据计算模块、社区搜索模块；
11、s12：在数据处理模块，用户通过前端上传一个动态社交网络g，此网络表示为g＝{g1,g2,...,gt}，其中，g中每个元素称为一个快照gt，t为每个快照所在时间段，t＝1，2，……，t，t为快照的总数；
12、快照gt包含第t个时间段内的多种类型的节点，类型包括用户、作者、论文、电影、帖子；也包含边，即节点间的关系，关系包括用户间的好友关系、用户与电影间的观看关系、用户和帖子间的发表关系、作者与论文间的发表关系；
13、用户还需上传一个元路径集合i＝{p1,p2,...,pn}，其中，每条元路径表示为pi，i为每条原路径的序号，i＝1，2，……，n，n为元路径的总条数；多条元路径组成的元路径集合i表示社交网络中的高阶语义联系，称作i-交互；其中每条元路径的开始和结尾的节点类型需一致，此类型被称作目标类型节点；
14、另外，用户还需通过前端输入以下几个参数：
15、(1)查询节点q：表示需要进行友谊推荐的目标用户，模型将最终得出的社区搜索结果推送给此用户；
16、(2)社区大小s：表示模型为目标用户推荐友谊关系的数量；
17、(3)偏好权重ω：用户设置一个权重ω来表示用户的需求，用户的需求表示用户对于属性相似度和关系稳定程度的需求程度。
18、进一步的，所述s2包括：
19、s21：根据给定的元路径集合i＝{p1,p2,...,pn}将g中的每个快照gt分解为n个同质信息网络的邻接矩阵表示在第t个快照上，所有节点基于元路径pi的连接情况矩阵，的计算公式如下：
20、
21、其中，pi[j]表示元路径pi中的第j个节点类型，len(pi)表示元路径的长度，表示在快照gt上，pi[j]与pi[j+1]间关系的邻接矩阵。
22、进一步的，所述s3包括：
23、s31：生成节点初始嵌入；
24、在数据计算模块，对每个节点v使用关键词集合表示节点v在现实中的特征，δ(v)表示节点v的关键词集合，f为所有n个节点的关键词集合的并集，δ(v)中每个关键词表示为a；
25、s311：在节点v中，将每个关键词a通过预训练方法转化为一个词向量emb(a)；
26、s312：将δ(v)中所有关键词嵌入的融合得到节点v的初始嵌入h[v]，计算公式如下：
27、
28、其中，|δ(v)|表示δ(v)的大小，h[v]表示节点v的特征，h[v]∈r1×d，d表示嵌入的维度，r1×d表示d维列向量组成的实数矩阵；
29、s313：所有n个节点的初始嵌入表示为h，h∈rn×d，其中，rn×d表示n行d列的实数矩阵；
30、s32：计算属性相似度；
31、s321：基于节点级注意力进行节点嵌入，节点级注意力指不同的实体间的交互关系；
32、对于任意节点u，u的邻居节点v在基于元路径pi下的邻居节点集合可以通过元路径pi连接起来，计算注意力系数为基于元路径pi的所有邻居节点v对节点u的重要性，即在语义联系下与实体u交互的所有实体v对于实体u的重要程度；
33、为基于元路径pi的所有节点的节点嵌入，即在语义联系下所有实体经过节点级注本文档来自技高网...
【技术保护点】
1.动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，所述S1包括：
3.根据权利要求2所述的动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，所述S2包括：
4.根据权利要求3所述的动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，所述S3包括：
5.根据权利要求4所述的动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，所述S4包括：
6.根据权利要求5所述的动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，所述S5包括：
7.根据权利要求1～6任一项所述的动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，所述S6包括：
【技术特征摘要】
1.动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，所述s1包括：
3.根据权利要求2所述的动态社交网络中用于友谊推荐的社区搜索方法，其特征在于，所述s2包括：
4.根据权利要求3所述的动态社交网络中用于友谊推荐的社区搜索方...
【专利技术属性】
技术研发人员：宋宜鑫，周丽华，杨培忠，王家龙，王丽珍，
申请(专利权)人：云南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。