[发明专利]基于时序文本网络的社区检测与用户关系预测方法

权利要求书

1.一种基于时序文本网络的社区检测与用户关系预测方法，其特征在于，包括如下步骤：

步骤S1：基于原始数据构建时序文本网络；

步骤S2：针对时序文本网络，构建基于关系图模型的生成模型；

步骤S3：利用梯度下降法构建生成模型的推断过程；

步骤S4：根据模型的推断过程，对时序文本网络进行训练，提取出社区信息以及社区间的关系，其中社区指表现出较高相关性的点的集合，社区间的关系指的是社区之间的相似度；

步骤S5：根据提取出的社区信息，进行网络节点间的连接预测；

所述步骤S4包括：

步骤S401：从数据文件中读取数据，并根据步骤S1构建时序文本网络；

步骤S402：初始化用户与社区间的联系强度矩阵F；基于向网络中的导率模型，如果节点u的入邻居inN(u)有比所有点v∈outN(u)的入邻居inN(v)有更小的导率，则该入邻居inN(u)在邻近是最小的；对于属于一个在邻近最小的邻域k内的节点u′，初始化节点u′与一个社区k之间的联系强度Fu′k＝1，否则令Fu′k＝0；为了初始化η，设置主对角线上的项为0.9，其他项为0.1；

步骤S403：每轮次根据公式更新F与η，首先针对每个节点u，根据梯度公式更新节点u与所有社区之间的联系强度向量F_u，梯度公式如下：

其中inN(u)和outN(u)表示进入u节点和从u节点发出的节点的集合，F_u、F_v和F_v′分别表示u节点、v节点和v’节点与所有社区的连接强度的向量，η表示社区间的相似度的矩阵；η^T为对应的转置矩阵；

F更新完成后，根据梯度公式更新社区间的联系矩阵η，梯度公式如下：

其中E表示时序文本网络中所有边的集合；F_u、F_v和F_v′分别表示u节点、v节点和v’节点与所有社区的连接强度的向量；η表示社区间的相似度的矩阵；为对应的转置矩阵；(u→v)表示从点u指向点v的边；t(u)与t(v)分别表示点u与点v的时间戳；

步骤S404：经过一定轮次后，判定每个节点与社区间的隶属关系，针对每个社区k，设定一个阈值δ_k，具体设定方法如下：

其中N为节点总数；η_kk为社区间联系矩阵η第k行第k列的分量，对于节点u与社区k，若联系强度F_uk大于社区k的阈值δ_k，则认为节点u隶属于社区k。

2.根据权利要求1所述的基于时序文本网络的社区检测与用户关系预测方法，其特征在于，所述步骤S1包括：

步骤S101：将顶点集V设为空集，将边集E设为空集；

步骤S102：将原始数据集中的每一篇文章加到顶点集V中；

步骤S103：顶点集V中的每一篇文章对应一个标签T，该标签是指每一篇文章的发表时间；

步骤S104：将原始数据集中文章间的链接关系加到边集E中；

步骤S105：(V，E；T)的集合构成图G，图G为时序文本网络。