[发明专利]网络结构的顶点编码方法、装置、设备及计算机可读介质

权利要求书

1.一种网络结构的顶点编码方法，其特征在于，包括：

获取网络结构的顶点的相似性损失函数；

获取所述顶点的社区性损失函数；

根据所述相似性损失函数和社区性损失函数确定顶点的整体损失函数；

计算所述整体损失函数的最小值；

利用所述整体损失函数的最小值，获取顶点的编码。

2.根据权利要求1所述的方法，其特征在于，所述获取网络结构的顶点的相似性损失函数，包括：

获取顶点之间的相似性特征，所述相似性特征表达为：

其中，S⁽ⁱ⁾表示顶点的第i阶的相似矩阵；ω_i表示第i阶相似矩阵的权重值；表示k阶相似矩阵的权重和；

根据顶点之间的相似性特征获取相似性损失函数，所述相似性损失函数表示为：

n表示顶点个数，表示对顶点i和顶点j综合k阶相似矩阵的相似程度，表示顶点i和顶点j进行编码后的余弦相似度。

3.根据权利要求1所述的方法，其特征在于，所述获取所述顶点的社区性损失函数，包括：

确定顶点的社区归属概率，所述社区归属概率表示为：

其中U表示目标顶点，U_nm表示图中n个顶点的编码为m维；C表示社区；C_km表示k个社区的编码为m维；Q表示每个顶点的社区的归属概率；

根据顶点的社区归属概率获取顶点的社区损失函数，所述损失函数表示为：

其中，n表示顶点数量；R_i表示第i个顶点获取到的奖励向量；γ为超参，表示差距率；Q′_i表示基于当前顶点动作决策后第i个顶点归属社区的概率；Q_i表示第i个顶点归属社区的概率。

4.根据权利要求1所述的方法，其特征在于，所述整体损失函数表示为：

L_total＝L_proximity+α·L_Q；

其中，L_proximity表示顶点的相似性损失函数，L_Q表示顶点的社区性损失函数，α为超参，用于平衡相似度损失和强化学习社区划分损失。

5.一种网络结构的顶点编码装置，其特征在于，包括：

第一获取模块，用于获取网络结构的顶点的相似性损失函数；

第二获取模块，用于获取所述顶点的社区性损失函数；

确定模块，用于根据所述相似性损失函数和社区性损失函数确定顶点的整体损失函数；

计算模块，用于计算所述整体损失函数的最小值；

获取模块，用于利用所述整体损失函数的最小值，获取顶点的编码。

6.根据权利要求5所述的装置，其特征在于，所述第一获取模块包括：

相似性获取子模块，用于获取顶点之间的相似性特征，所述相似性特征表达为：

其中，S⁽ⁱ⁾表示顶点的第i阶的相似矩阵；ω_i表示第i阶相似矩阵的权重值；表示k阶相似矩阵的权重和；

第一函数获取子模块，用于根据顶点之间的相似性特征获取相似性损失函数，所述相似性损失函数表示为：

其中，n表示顶点个数，表示对顶点i和顶点j综合k阶相似矩阵的相似程度，表示顶点i和顶点j进行编码后的余弦相似度。