[发明专利]一种基于PU学习和随机游走的链接预测方法及装置

权利要求书

1.一种基于PU学习和随机游走的链接预测方法，其特征在于，所述方法包括以下步骤：

获取网络中节点间的邻接关系；

根据网络中节点间的邻接关系，将节点对作为样本，构造正例样本集和无标记样本集；

利用社区结构和集成学习，从无标记样本集中得到可靠负例样本集；

根据可靠负例样本集与正例样本集进行有监督分类，得到链接预测分类器；

根据链接预测分类器的预测结果构造节点间转移概率矩阵；

根据节点间转移概率矩阵进行随机游走，最终确定节点间的游走概率；

根据游走概率计算节点对的相似性，按相似性从大到小对节点对排序，从而预测链接的存在；

所述根据链接预测分类器的预测结果构造节点间转移概率矩阵，包括：

根据链接预测分类器的预测结果构造矩阵W，其对角元素为0，其余元素为：

其中，f(v_i,v_j)表示预测分类器对样本(v_i,v_j)的预测结果，表示(v_i,v_j)已存在链接，表示(v_i,v_j)观察不到链接；

通过对W进行归一化得到节点间转移概率矩阵

其中D_ii＝∑_jW_ji；

所述根据节点间转移概率矩阵进行随机游走，最终确定节点间的游走概率，包括：

随机游走过程，某节点t步游走到所有节点的概率所构成的向量p(t)为：

其中，p(t)、r均为N×1的列向量，p(0)中起始节点所对应的元素为1，其余节点对应的元素为0；r中与起始节点属于相同社区的节点对应的元素为α，其余节点对应元素为1-α，α为实数参数。

2.一种基于PU学习和随机游走的链接预测装置，其特征在于，包括：

采集模块，用于根据网络中节点间的交互信息采集节点间的邻接关系；

样本集构造模块，用于根据网络中节点间的邻接关系，将节点对作为样本，构造正例样本集和无标记样本集；

可靠负例选择模块，用于利用社区结构和集成学习，从无标记样本集中得到可靠负例样本集；

链接预测分类器构造模块，用于根据可靠负例样本集与正例样本集进行有监督分类，得到链接预测分类器；

转移概率矩阵构造模块，用于根据链接预测分类器的预测结果构造节点间转移概率矩阵；

随机游走模块，用于根据转移概率矩阵进行随机游走，最终确定节点间的游走概率；

链接预测模块，用于根据节点对间的游走概率计算节点对间相似性，按相似性从大到小对节点对排序，从而预测链接的存在；

在根据链接预测分类器的预测结果构造节点间转移概率矩阵的步骤中，

其中，f(v_i,v_j)表示预测分类器对样本(v_i,v_j)的预测结果，表示(v_i,v_j)已存在链接，表示(v_i,v_j)观察不到链接；

通过对W进行归一化得到节点间转移概率矩阵

其中其中D_ii＝∑_jW_ji；

在根据节点间转移概率矩阵进行随机游走，最终确定节点间的游走概率的步骤中，

随机游走过程，某节点t步游走到所有节点的概率所构成的向量p(t)为：

其中，p(t)、r均为N×1的列向量；p(0)中起始节点所对应的元素为1，其余节点对应的元素为0；r中与起始节点属于相同社区的节点对应的元素为α，其余节点对应元素为1-α，α为实数参数。