[发明专利]一种异构网络链接关系的预测方法及系统

权利要求书

1.一种异构网络链接关系的预测方法，其特征在于，该方法包括：

S1.将异构网络中实体进行预处理，得到训练集，其中，所述训练集包括：通过预处理得到的各实体的可观测属性特征及各实体的可观测的链接关系；

S2.根据异构网络中结点类型、结点个数及预设的结点隐特征向量，建立异构网络链接关系预测模型；

S3.基于最大熵判别式准则，对所述模型进行优化，得到优化后的链接关系预测模型；

S4.通过所述训练集训练所述优化后的链接关系预测模型，得到训练后的链接关系预测模型；

S5.通过训练后的链接关系预测模型预测异构网络链接关系。

2.根据权利要求1所述的方法，其特征在于，在步骤S2中，所述异构网络包括：N个实体结点及M个属性结点，其中N和M为正整数，任意一个实体结点i的K_N维隐特征向量为u_i，i≤N，任意一个属性结点j的K_M维隐特征向量为v_j，j≤M，i，j均为正整数，其中K_N和K_M为预设值，且K_N≠K_M；

所述链接关系预测模型包括：实体结点-实体结点链接关系预测模型及实体结点-属性结点链接关系预测模型；

所述实体结点-实体结点链接关系预测模型为：

f(u_i，u_k；W ^N)=Tr(W ^N u_k u_i^T)；

其中，Tr(W ^N u_j u_i^T)为矩阵W ^N u_j u_i^T的迹，u_i^T为u_i的转置，W ^N为权值矩阵，u_k和u_i分别为异构网络中的实体结点k和i的K_N维隐特征向量，i≠k，i≤N，k≤N且i和k为正整数；

所述实体结点-属性结点链接关系预测模型为：

f(u_i，v_j；W ^M)=Tr(W ^M v_j u_i^T)；

其中，u_i和v_j分别为异构网络中的实体结点i的K_N维隐特征向量和属性结点j的K_M维隐特征向量，u_i^T为u_i的转置，W ^M为权值矩阵，Tr(W ^M v_j u_i^T)为矩阵W ^M v_j u_i^T的迹。