[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

说明书

技术领域

本发明是一种异构社交网络中基于元路径的链路预测方法，利用了特征选择、链路预测等相关技术，涉及社会计算特别是链路预测领域。

背景技术

首先对本发明中涉及到的相关概念进行定义：

异构社交网络(heterogeneous social network)：给定社交网络N＝(V，E)，其中V＝V_user∪V_non-user表示节点集合，包含用户集合V_user和非用户节点集合V_non-user，E＝E_user，user∪E_{user，non-user}∪E_{non-user，non-user}}是用户节点之间、用户与非用户节点以及非用户节点之间的边集合，则称N为一个异构社交网络；

锚链路(anchor link)：给定两个异构社交网络N_i、N_j以及两个账号和即和分别属于两个不同异构社交网络的用户节点集合，若和在现实中为同一个用户，则称和存在锚链路，记作N_i、N_j之间的锚链路集合记作

对齐异构社交网络(aligned heterogeneous social network)：给定两个异构社交网络N_i、N_j，若N_i和N_j的用户集合和之间至少存在一条锚链路，则称N_i和N_j组成对齐异构社交网络记作其中A为锚链路集合。

网络模式(network schema)：网络模式是对实际社交网络的抽象，形式化表示为T_N＝(S，R)，其中R表示网络中的节点类型集合，S表示网络中的变类型集合。

元路径(meta path)：元路径是定义在网络模式中的路径，给定一个网络模式T_N＝(S，R)，形如的路径称为元路径，其中S_i∈S(i＝1，...，l+1)，R_j∈R(j＝1，...，l+1)；

实例路径(instance path)：给定元路径当网络中两个节点v₁和v_l+1之间存在路径且对于所有节点v_i∈S_i，所有关系r_i∈R_i，则称路径p为元路径P的一个实例路径。

对齐异构社交网络的链路预测(Link Prediction in Aligned Heterogeneous Social Networks)：给定对齐异构社交网络记v＝V_i∪V_j，其中V_i和V_j分别为N_i和N_j的点集，记ε为v中节点之间的边集合，则不存在的边集合为ε′＝ε×ε-v，那么对齐异构社交网络的链路预测即为预测在未来是否会形成。

链路预测(link prediction)是社交网络研究中的一个重要分支和基础环节，它基于可观察到的网络拓扑结构特征和节点自身的属性特征，预测两个不存在链路的节点之间在未来是否会形成链路。链路预测通常被看作是一个二分类问题，即对于两个给定的节点，预测两者之间是否会形成链路。链路预测对于精准营销、犯罪团伙发现等领域都有着重要的实际应用价值。

早期的链路预测主要是在单个社交网络中进行，常用的方法一般分为(1)基于相似性的预测；(2)基于最大似然估计的预测；(3)基于概率关系模型的预测等。其中，基于相似性的方法假设两个节点越相似，它们之间未来建立链路的可能性越大，于是，计算两个节点的相似性是这类方法的主要途径。典型的方法有共同邻居、Jaccard系数、Katz指标、RWR(random walk with restart)等。基于最大似然估计的预测方法分为层次结构模型和随机分块模型，两者都是建立一个初始模型然后通过极大似然估计的方法调整结构，最终达到收敛状态。概率关系模型则有贝叶斯网络关系模型、马尔科夫网络关系模型和关系依赖网络模型等。