[发明专利]一种基于异质网络表示学习的链路预测方法

权利要求书

1.一种基于异质网络表示学习的链路预测方法，其特征在于：该方法主要分为三个部分：通过基于元路径的随机游走捕获异质网络的结构和语义，生成训练序列；应用训练序列训练skip-gram模型以此来学习网络特征，将网络节点映射到低维向量；通过对节点向量的相识度处理得到链路预测结果，实验使用DBIS数据集；具体步骤如下：

步骤(1)提取节点建立标识；

从数据集中提取作者，文章，会议三种节点类型，并分别建立id用于标识；在处理连接关系和随机游走时把id作为唯一标识，获取具体内容需要查询映射表；

步骤(2)提取连接边和隐藏关系；

从数据集网络中提取作者与论文的关系，论文与会议的关系作为构建网络的基本关系；根据基本网络关系提取出两种隐藏关系，定义多名作者共同发表同一篇文章为作者和作者之间的关系，作者是否在某一会议上发表过文章为作者与会议的关系；在此基础上选择90％的连接作为训练集，将剩余的10％的连接作为测试集；

步骤(3)通过基于元路径的随机游走生成序列；

选取作者-论文-会议-论文-作者作为元路径；按转移概率在经步骤(1)、(2)处理得到的网络中进行随机游走产生游走序列；通过walk-length参数来调整产生序列的长度；

步骤(4)训练skip-gram模型；

直接将步骤(3)中通过随机游走产生的序列输入到skip-gram模型进行训练，获取每个节点的向量表示，通过dimensions参数调整向量维度；

步骤(5)节点相似性分析；

经过步骤(3)、(4)两步得到网络节点的向量表示，计算节点间的相似度；因为在步骤(2)中分类别定义了不同类型的连接关系，故只需按关系类型计算其连接概率。

2.根据权利要求1所述的一种基于异质网络表示学习的链路预测方法，其特征在于：处理数据包括如下步骤，实验使用DBIS数据集；从该数据集中提取出三种类型的节点：作者A、文章P和出处V；以及两种连接关系：作者和论文即发表与被发表的关系A-P以及论文和出处即出版与被出版的关系P-V，以此来构建出实验所需的基本网络；抽离出两种不能在网络中直接体现的关系：作者和作者即作者之间的合作关系A-A；作者和出处的关系即作者在此会议/期刊是否发表文章的关系A-V；用这两种关系来验证算法的正确率。

3.根据权利要求1所述的一种基于异质网络表示学习的链路预测方法，其特征在于：生成随机游走序列，元路径是定义在网络概要图TG(A,R)上的路径，其中，A1，A2，…，Al+1表示的是节点，R₁，R₂，…，R_i表示的是不同类型节点之间的复合关系即网络中的边，其中，箭头符号表示在关系上的综合操作；

定义一个异质网络G＝(V，E，T)，V是网络的节点集合，E是边集合，T是类型集合，且存在映射关系φ：V→T_V，ψ：E→T_E，T_V和T_E分别代表相应类型的集合，且|T_V|+|T_E|＞2；给定一条元路径那么第i步的转移概率定义为：

其中是定义的元路径，节点并且代表的是节点的邻居中属于V_t+1的节点集合；换句话说，游走是在预先设定元路径P的条件上；而且，元路径都是用在对称的路径上：