[发明专利]关系网络的链接预测方法及系统、设备、存储介质在审

专利信息
申请号: 201810680521.4 申请日: 2018-06-27
公开(公告)号: CN110717116A 公开(公告)日: 2020-01-21
发明(设计)人: 任昭春;赵一鸿;殷大伟 申请(专利权)人: 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
主分类号: G06F16/955 分类号: G06F16/955;G06F16/958;G06F17/18;G06N3/04
代理公司: 31283 上海弼兴律师事务所 代理人: 薛琦;李梦男
地址: 100195 北京市海淀区杏石口路6*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 关系网络 目标函数 向量 初始向量 节点特征 节点维度 特征向量 多节点 构建 用户行为数据 存储介质 对象推荐 概率分布 计算节点 邻接节点 模型计算 向量表示 向量确定 共享 多维度 链接 分解 参考 概率 预测 优化
【权利要求书】:

1.一种关系网络的链接预测方法,其特征在于,所述链接预测方法包括:

根据用户行为数据构建多维度的关系网络;所述关系网络包括不同类型的节点;

构建初始向量表示每个节点;

将所述初始向量分解为节点维度特征向量、多节点共享向量和节点特征向量;

基于skip-gram模型计算每个节点的邻接节点的概率分布,并建立目标函数;

优化所述目标函数,将目标函数最优值对应的节点维度特征向量、多节点共享向量和节点特征向量确定为节点的向量表示。

2.如权利要求1所述的关系网络的链接预测方法,其特征在于,所述关系网络中的节点包括对象、对象属性、对象类目和用户。

3.如权利要求2所述的关系网络的链接预测方法,其特征在于,将所述初始向量分解为节点特征向量的步骤,还包括:

将所述节点特征向量根据所述对象类目分解为不同层次的节点特征向量。

4.如权利要求2所述的关系网络的链接预测方法,其特征在于,优化所述目标函数的步骤,具体包括:

基于负采样算法和随机梯度下降策略优化所述目标函数。

5.如权利要求2-4中任意一项所述的关系网络的链接预测方法,其特征在于,所述链接预测方法还包括:

根据所述节点维度特征向量、多节点共享向量和节点特征向量计算目标节点与所述关系网络中其他对象节点的链接概率;

将所述对象节点按照所述链接概率由大到小的顺序进行排序;

将排序靠前的对象节点推荐给用户。

6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的关系网络的链接预测方法。

7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5任一项所述的关系网络的链接预测方法的步骤。

8.一种关系网络的链接预测系统,其特征在于,所述建立系统包括:

网络构建模块,用于根据用户行为数据构建多维度的关系网络;所述关系网络包括不同类型的节点;

向量构建模块,用于构建初始向量表示每个节点;

向量分解模块,用于将所述初始向量分解为节点维度特征向量、多节点共享向量和节点特征向量;

第一计算模块,用于基于skip-gram模型计算每个节点的邻接节点的概率分布,并建立目标函数;

优化模块,用于优化所述目标函数,并将目标函数最优值对应的节点维度特征向量、多节点共享向量和节点特征向量确定为节点的向量表示。

9.如权利要求8所述的关系网络的链接预测系统,其特征在于,所述关系网络中的节点包括对象、对象属性、对象类目和用户。

10.如权利要求9所述的关系网络的链接预测系统,其特征在于,将所所述向量分解模块还用于将所述节点特征向量根据所述对象类目分解为不同层次的节点特征向量。

11.如权利要求9所述的关系网络的链接预测系统,其特征在于,所述优化模块具体用于基于负采样算法和随机梯度下降策略优化所述目标函数。

12.如权利要求9-11中任意一项所述的关系网络的链接预测系统,其特征在于,所述链接预测系统还包括:

第二计算模块,用于根据所述节点维度特征向量、多节点共享向量和节点特征向量计算目标节点与所述关系网络中其他对象节点的链接概率;

排序模块,用于将所述对象节点按照所述链接概率由大到小的顺序进行排序;

推荐模块,用于将排序靠前的对象节点推荐给用户。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司,未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810680521.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top