[发明专利]一种链路预测方法和装置

权利要求书

1.一种链路预测方法，其特征在于，包括：

根据现有关系网络数据生成第一训练集，所述第一训练集包括现有关系网络的各条边的类别标签，其中，边表示关系网络中两个用户间的关系，所述边的类别标签指示两个用户间的关系是否存在；

对选定模型进行参数优化，利用参数优化后的选定模型修正所述第一训练集中各条边的类别标签，以得到第二训练集；对选定模型进行参数优化的步骤，包括：初始化所述选定模型的多组参数；在所述选定模型的每组参数下，利用所述选定模型修正所述第一训练集中各条边的类别标签，以得到第三训练集，并利用所述第三训练集对链路预测模型执行第一训练，使用第一训练后的链路预测模型对预先生成的测试集进行链路预测，并根据预测结果计算该组参数下链路预测模型的预测准确度；根据所述多组参数和各组参数下链路预测模型的预测准确度，建立选定模型参数与链路预测模型的预测准确度之间的函数关系式；利用遗传算法优化所述函数关系式中的选定模型参数，得到所述参数优化后的选定模型的参数；

利用所述第二训练集训练链路预测模型；

使用训练后的链路预测模型对输入的关系网络数据进行链路预测。

2.根据权利要求1所述的方法，其特征在于，所述选定模型用于生成所述各条边的预测值，

修正所述第一训练集中各条边的类别标签，包括：将所述第一训练集中各条边的类别标签替换为所述各条边的预测值。

3.根据权利要求1所述的方法，其特征在于，根据现有关系网络数据生成第一训练集的步骤，包括：

根据现有关系网络数据，按照预设指标计算所述现有关系网络的各条边的特征集；

根据所述各条边的特征集和所述各条边的类别标签得到数据集；

将所述数据集按照预设比例划分为两部分，以其中一部分作为所述第一训练集；

所述测试集通过如下方式生成：

将所述数据集中除所述第一训练集之外的部分作为第一测试集；

对所述第一测试集进行多次采样，直到累计采样得到的样本总数量与所述第一测试集中样本数量相同时停止采样，将所有采样得到的样本的集合作为所述测试集。

4.根据权利要求1所述的方法，其特征在于，利用遗传算法优化所述函数关系式中的选定模型参数，得到所述参数优化后的选定模型的参数的步骤，包括：

初始化种群，该种群中每一染色体通过将所述选定模型的一组参数值的二进制编码首尾连接得到；

对初始化的种群，计算种群中每个染色体对应的预测准确度，并判断其中的最高预测准确度是否达到预设要求，若是，则将对应最高预测准确度的染色体的二进制编码还原为一组十进制参数，作为所述参数优化后的选定模型的参数；若否，则对种群进行染色体选择、交叉和变异操作，以得到新的种群，并不断重复上述过程，直到某次得到的最新种群中染色体对应的最高预测准确度达到所述预设要求时，将对应最高预测准确度的一染色体的二进制编码还原为一组十进制参数，作为所述参数优化后的选定模型的参数；其中，

染色体对应的预测准确度为将组成该染色体的二进制编码还原为所述选定模型的一组参数后，该组参数下链路预测模型的预测准确度，根据所述函数关系式计算所述染色体对应的预测准确度。

5.根据权利要求1所述的方法，其特征在于，所述选定模型为逻辑回归模型或前馈神经网络模型。