[发明专利]一种网络节点的增强表示方法及装置

权利要求书

1.一种网络节点的增强表示方法，其特征在于，包括：

获取网络节点之间的连接关系；

根据所述连接关系和已有的网络表示学习模型获取所述网络节点的表示向量；

根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，并用更新迭代计算后的网络节点表示矩阵增强表示所述网络节点；

所述根据所述连接关系和已有的网络表示学习模型获取所述网络节点的表示向量，包括：

根据所述连接关系构建邻接矩阵M，所述邻接矩阵M的行节点个数和列节点个数都为V；

将所述邻接矩阵M作为已有的网络表示学习模型的输入，以获得网络节点表示矩阵U，所述网络节点表示矩阵U的行节点个数为V、列节点个数为K，每个行节点对应着每个所述网络节点的K维表示向量；

所述根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，包括：

预处理所述邻接矩阵M和所述网络节点表示矩阵U；

根据预处理后的邻接矩阵M和预处理后的网络节点表示矩阵U、以及如下公式对预处理后的网络节点表示矩阵U进行更新：

U_new＝U+λ₁M·U+λ₂M·(M·U)；

其中，U_new为更新的网络节点表示矩阵、U为预处理后的网络节点表示矩阵、M为预处理后的邻接矩阵、λ₁和λ₂为预设参数，都为小于1的小数；

将当前的U_new的值赋给U；

重复所述根据预处理后的邻接矩阵M和预处理后的网络节点表示矩阵U、以及如下公式对预处理后的网络节点表示矩阵U进行更新至所述将当前的U_new的值赋给U之间的步骤T次，将最终获得的U_new作为更新迭代计算后的网络节点表示矩阵，其中T为预设重复次数、为小于等于3的正整数；

U_new＝U+λ₁M·U+λ₂M·(M·U)。

2.根据权利要求1所述的方法，其特征在于，所述预处理所述邻接矩阵M和所述网络节点表示矩阵U，包括：

对邻接矩阵M进行行归一化处理，以使得每行的邻接矩阵元素之和等于1；

对网络节点表示矩阵U进行列归一化处理，以使得每列的网络节点表示矩阵元素的平方和等于1。

3.根据权利要求1或2所述的方法，其特征在于，所述根据所述连接关系对所述网络节点的表示向量进行更新迭代计算，并用更新迭代计算后的网络节点表示矩阵增强表示所述网络节点步骤之后，所述方法还包括：

获取所述网络节点的类别信息；

根据所述类别信息和所述更新迭代计算后的网络节点表示矩阵对待处理的网络节点进行分类和链接预测。

4.根据权利要求3所述的方法，其特征在于，所述根据所述类别信息和所述更新迭代计算后的网络节点表示矩阵对待处理的网络节点进行分类和链接预测，包括：

对于链接预测任务：

对于待处理的第i行网络节点，依次分别计算所述更新迭代计算后的网络节点表示矩阵中第i行网络节点和除所述第i行网络节点以外的V-1行网络节点的V-1个内积结果；

将所述V-1个内积结果作为第i行网络节点和其余V-1行网络节点的V-1个链接预测相似度；

在所述V-1个链接预测相似度中选择数值最大的前N个链接预测相似度作为待处理的第i行网络节点的链接预测结果；

对于分类任务：

将所述更新迭代计算后的网络节点表示矩阵进行列归一化处理，以使得每列矩阵元素的平方和等于1；

将列归一化处理后的更新迭代计算后的网络节点表示矩阵、以及所述类别信息输入到支持向量机，以训练节点分类器；

根据训练好的节点分类器对所述待处理的网络节点进行分类。