[发明专利]一种基于图嵌入的网络结构性差异量化方法

权利要求书

1.一种基于图嵌入的网络结构性差异量化方法，其特征在于该方法具体是：

步骤(1).构造网络节点的表征向量；

采用基于随机游走的图嵌入方法node2vec构建网络节点的表征向量：

首先，根据输入的节点和节点之间的连边构建对应的网络G，G＝(V,E,W)；其中，V表示网络节点的集合，E表示网络边的集合，W表示网络边的权重集合；

然后，通过有偏的随机游走方式得到每个节点近邻序列；

最后，将得到的节点近邻序列输入到word2vec进行学习，得到N×d维的网络节点的表征向量，N为网络G的节点数量，d为节点表征向量的维数；

P(x|v)表示节点序列的当前节点为v的下一个节点是x的概率，π_vx表示节点v和节点x之间没有归一化的转移率，Z是归一化常数；

π_vx＝α_pq(t,x)·w_vx；α_pq表示节点x偏离节点t的概率，w_vx是节点v和节点x之间的权重，节点t是随机游走序列中位于节点v的前一个节点；

p和q为超参数，d_tx∈{0,1,2}，表示节点t与节点x之间的最短距离；

由P(x|v)通过有偏随机游走得到节点近邻序列，通过模型学习得到的权重矩阵即为网络节点的表征向量；

步骤(2).构造网络节点的距离向量；

首先对得到的网络所有节点的表征向量进行归一化，将节点向量每一维的值归一化到0～1之间，然后用得到的节点表征向量通过欧式距离公式计算每个节点与其他N-1个节点的距离，最终得到一个N×N维的网络节点的距离向量；

步骤(3).构造网络节点的距离分布S；

将得到的距离放大十倍，再将距离分为10份，依次为(0-0.05、0.05-0.1、0.1-0.15、0.15-0.2、0.2-0.25、0.25-0.3、0.3-0.35、0.35-0.4、0.4-0.45、0.45-1)，然后统计每个节点与其他N-1个节点的距离落在这10个区间的个数，每个节点得到一个10维向量，最后将每个节点得到的向量同时除以N-1，得到一个N×10维的向量，即网络节点的距离分布S(S₁,S₂,…,S_N)；

步骤(4).计算网络之间的结构性差异距离；

通过网络的距离公式计算网络之间的结构性差异距离；D(G,G′)为两个网络的结构性差异距离值，输入两个网络，G′为输入的另一个任意网络；D(G,G′)由两部分组成，通过参数β调节；第一项比较的是节点的平均连通性，捕捉网络全局拓扑差异，表示两个网络全局上的相似性；第二项比较的是节点的异质性，表示两个网络局部的相似性；J(μ_G,μ_G′)表示两个网络的平均距离分布的Jensen-Shannon散度；

NND表示网络节点散度，NND是基于网络G的连通距离来度量网络的差异；J(S₁,S₂,…,S_N)表示N个节点分布的Jensen-Shannon散度，μ_j表示N个分布的平均值，