[发明专利]对齐异构社交网络中基于元路径的链路预测方法

权利要求书

1.一种对齐异构社交网络中基于元路径的链路预测方法，其特征在于：包括以下步骤：

1)对齐异构社交网络建模：

对Foursquare和Twitter组成的对齐异构社交网络进行网络建模，并抽象出网络模式；

2)元路径的自动化提取：

利用深度优先遍历的思想，分别为下述三类链路类型自动化提取元路径集合：

21)Foursquare中以用户类型节点为起始节点、位置类型节点为终止节点，提取的元路径集合记作Ψ；

22)Foursquare中以用户类型节点为起始节点、用户类型节点为终止节点，提取的元路径集合记作Ω；

23)Twitter中以用户类型节点为起始节点、用户类型节点为终止节点，提取的元路径集合记作Γ；

所提取的元路径需满足条件：网络内元路径的长度不超过3，网络间元路径的长度不超过5，某个元路径内不能存在连续两条位置-位置边；

3)定义基于元路径的特征值计算方法；

4)按时间戳划分数据集；

5)提出一种两阶段逐步向前贪心选择算法进行特征选择；

6)基于特征选择的结果训练C4.5决策树分类器进行链路预测。

2.根据权利要求1所述的对齐异构社交网络中基于元路径的链路预测方法，其特征在于，所述步骤1中对齐异构社交网络建模，包括步骤：

Foursquare和Twitter组成的对齐异构社交网络建模为其中N_F＝(V_F，E_F)表示Foursquare网络，N_T＝(V_T，E_T)表示Twitter网络，A表示Foursquare与Twitter之间的锚链路集合，具体而言：

在Foursquare网络中，节点集合包括用户节点集合和位置节点集合边集合

在Twitter网络中，节点集合包括用户节点集合和位置节点集合边集合

Foursquare和Twitter组成的对齐异构社交网络的网络模式可以抽象为T_N＝(S，R)，其中节点类型集合S＝{U_F，U_T，L_F，L_T}，边类型集合