[发明专利]一种基于社区检测的多标签分类方法

权利要求书

1.一种基于社区检测的多标签分类方法，其特征在于：提供一数据预处理模块用以获得网络节点表示；提供一社区发现模块用以进行社区发现和嵌入；提供一节点嵌入模块用以进行节点相量的表示；提供一融合模块用以得到最终的节点相量表示；提供一分类结果输出模块用以得到最终的多标签分类结果；

利用上述各模块进行多标签分类具体包括以下步骤：

步骤S1：提供一社交网络数据集，所述数据预处理模块对所述社交网络中结构进行节点和边的表示；

步骤S2：所述社区发现模块利用基于高斯混合模型的目标函数进行社区发现和社区嵌入；

步骤S3：所述节点嵌入模块利用非线性映射函数连接的深层模型，表示初始节点向量即节点的向量表示；

步骤S4：所述融合模块将步骤S2中所述的社区发现和社区嵌入以及步骤S3中所述的节点的向量表示即节点嵌入信息进行融合，得到最终节点相量；

步骤S5：所述分类结果输出模块利用分类函数对步骤S4得到的最终节点相量进行分类，获得节点最终多标签分类结果。

2.根据权利要求1所述的一种基于社区检测的多标签分类方法，其特征在于：步骤S3中所述的深层模型为：所述深层模型的输入和输出通过非线性映射函数连接；所述深层模型的输入层包括来自目标节点及其邻域的属性信息，输出层表示节点的向量特征。

3.根据权利要求2所述的一种基于社区检测的多标签分类方法，其特征在于：所述深层模型的输入层位于所述深层模型的左侧，是所述深层模型的监督学习组件，通过标记数据进行训练，用以预测类标签；所述输出层位于所述深层模型的右侧，用以预测网络输入的上下文。

4.根据权利要求1所述的一种基于社区检测的多标签分类方法，其特征在于：所述步骤S5利用softmax函数对所述最终节点相量进行分类，得到各节点的标签类别。

5.根据权利要求1所述的一种基于社区检测的多标签分类方法，其特征在于：

所述步骤S2具体还包括以下内容：

利用基于高斯混合模型的目标函数进行社区发现和社区嵌入；即每个节点v_i的嵌入h_i是由来自社区z_i＝k的多元高斯分布生成的；然后，对于V中的所有节点，能够得到似然函数为：

V表示所有节点的集合。

6.根据权利要求1所述的一种基于社区检测的多标签分类方法，其特征在于：

所述步骤S3具体还包括以下内容：用非线性函数h^k(x_i)＝σ(W^kh^k-1(x_i)+t^k)来表示k^th层的深层模型，其中，W^k和t^k为k^th层的权重和偏量；σ为sigmoid非线性激活函数，则所述深层模型中的嵌入层表示为：