[发明专利]一种基于生成对抗网络和迁移学习的社交关系预测方法

权利要求书

1.一种基于生成对抗网络和迁移学习的社交关系预测方法，其特征在于，包括以下步骤：

步骤1：设计均包括三层神经网络的生成器G、分类器C、判别器D，并初始化各神经网络的权值和偏置，其中三层包含输入层、隐藏层和输出层；

步骤2：根据步骤1中神经网络生成新的样本，具体过程如下：对于两个异质的社交网络，采用迁移学习的方法将各自的数据作为全部有标记样本迁移至对方数据集中，即将其中一社交网络中的数据作为全部有标记的样本加入到另一社交网络数据集里，将另一社交网络中的数据迁移至其中一社交网络中；

然后将随机噪音Z和样本X的标签Y作为生成器的输入，经过两层神经网络的运算，最后通过sigmoid函数运算得到与样本特征维度相同的向量，Y作为它的标签即可得到新的样本，即，将作为分类器C的输入，最后通过softmax函数运算输出得到其标签，从而得到新的样本；此时共有三种样本：和样本是标签和特征都已有的真实样本；

步骤3：将混有三种样本的数据分批输入到分类器、判别器和生成器里面，根据三个神经网络各自的损失函数，通过Adam算法进行梯度下降从而修改这三个的神经网络的权值和偏差；

步骤4：将测试集的特征作为输入输入到分类器C，得到判定出来的各自的类别。

2.根据权利要求1所述的基于生成对抗网络和迁移学习的社交关系预测方法，其特征在于：所述步骤1中初始化各神经网络的权值和偏置时，其中，权重从服从正态分布的随机变量中随机取数，偏置设置为初始全为0的向量。