[发明专利]一种重启式随机游走的新型网络嵌入学习方法

权利要求书

1.一种重启式随机游走的新型网络嵌入学习方法，其特征在于，包括以下步骤：步骤1，获取实体及其关系信息建立网络数据；步骤2，重复迭代进行游走和训练；所述步骤2中包括重启式随机游走和网络嵌入训练两部分。

2.如权利要求1所述的方法，其特征在于，在所述步骤1中，所述获取实体及其关系信息建立网络数据的具体方式为，对输入的各种各样的数据及其之间的关系进行清洗和过滤，然后抽取数据中的实体作为网络中的节点，实体之间的关系作为网络中的边，将数据构建成网络形式，并向下一模块进行推送。

3.如权利要求2所述的方法，其特征在于，在所述步骤2中，所述重复迭代进行游走和训练的具体方式为：步骤2-1，将网络的全体节点打乱顺序排成一个序列，依次从每一个节点出发，执行重启式随机游走和网络嵌入训练：步骤2-2，从一个节点出发进行重启式随机游走，产生一个节点序列；步骤2-2，用该节点序列进行网络嵌入训练；步骤2-3，重复以上操作若干轮次，直至达到给定轮次或者训练误差达到给定精度。

4.如权利要求3所述的方法，其特征在于，在所述步骤2-2中，所述从一个节点出发进行重启式随机游走，产生一个节点序列的具体步骤为：

步骤3-1，将选择的节点标记为起始节点；

步骤3-2，从起始节点出发，从其邻居节点中随机选择一个节点，并转移到该节点中，记为当前节点；

步骤3-3，若游走长度达到给定的长度，则进入步骤3-6，停止游走，否则继续执行，所述游走长度为转移次数；

步骤3-4，以一定概率转移到出发节点，即随机产生一个0～1之间的数，如果小于给定的转移概率，则转移到起始节点，此时起始节点也是当前节点，并回到步骤3-3，否则执行步骤3-5；

步骤3-5从当前节点的邻居节点中随机选择一个节点，转移到该节点中，记为当前节点，并回到步骤3-3；

步骤3-6最终，从一个起始节点出发，得到一个固定长度的邻居节点序列。所述重启式随机游走的转移过程公式为：

P^k＝αI+(1-α)P^k-1A，k＝1，2，…

其中P^k是重启式随机游走的k步转移概率，I是单位阵，α是在每一步转移过程中跳转回起始节点的概率，A是网络的归一化邻接矩阵，也是普通随机游走的单步转移概率矩阵，所述重启式随机游走的k步内平均转移概率为：

5.如权利要求4所述的方法，其特征在于，在所述步骤2-2中，所述用该节点序列进行网络嵌入训练的方法具体为，一个给定的起始节点v，从其出发通过重启式随机游走得到的邻居节点序列为Neighbor(v)＝{c₁，c₂，c₃，…，c_n}，所述n为游走总数，通过最小化目标函数来进行网络嵌入训练：

其中，

其中，V是网络中的全体节点集合，v_v是节点v的嵌入向量，u_c是节点c的上下文向量，

然后，采用负采样处理，将P_r(c|v，θ)更新为：

其中m是负采样的个数，P_n(v)为执行负采样时的噪声分布，最后，通过采用梯度下降最小化目标函数，完成对节点的嵌入向量进行训练更新。