[发明专利]评价和比较图嵌入模型的可视化分析方法与系统

权利要求书

1.一种评价和比较图嵌入模型的可视化分析方法，构造航线网络，通过图嵌入技术将网络节点进行向量化，具体包括如下步骤：

A.对输入的航线数据进行处理，构建航线网络图即原始图；

B.计算原始图中每个节点的9个节点度量指标值，用于定量地描述图中节点的结构特征，所述9个节点度量指标具体为：

(1)度C_D(u)，节点u的邻居节点数量；

(2)离心率，节点u到图中所有其他节点最短路径距离的最大值，计算方法如公式1，式中d(u,v)为节点u与v之间的最短距离:

(3)紧密度，图中节点u到所有其他节点最短路径距离的平均值的倒数，计算方法如公式2：

(4)介数，即节点u以外的两点间最短路径通过节点u的次数，计算方法如公式3，表示从节点s到节点t的所有最短路的数量，式中表示从节点s到节点t的所有最短路径经过u的数量；

(5)特征向量中心性，是对网络中节点影响力的度量，计算方法如公式4，式中Nu表示节点u的所有邻居

(6)PageRank是特征向量中心性度量的一个变体，计算方法如公式5：

(7)聚集系数，节点u的邻居节点间存在链接的比例，计算方法如公式6，式中{e_kv}是u的邻居节点之间链接的集合：

(8)最近邻平均度，节点u所有相邻节点度之和与u度的比值，计算方法如公式7：

(9)影响力中心性，计算方法如公式8：

C.根据用户需求选择不同的图嵌入模型以及图嵌入模型的参数；

D.根据步骤C选定的图嵌入模型及其相关参数完成对步骤A构造的原始图的向量化，得到图嵌入模型的嵌入结果；

E.计算图嵌入模型对各个节点的节点度量指标的保留能力，具体步骤如下：

E1.首先构造神经网络回归模型；

E2.采用十折交叉验证方法将输入的嵌入向量及其对应的原始图节点度量指标值分为训练集和测试集，使用训练集训练神经网络回归模型；

E3.将嵌入向量输入训练好的神经网络回归模型，计算出嵌入向量的节点度量指标估计值，得到原始图节点度量指标值与通过回归模型计算得到的节点度量估计值之间的决定系数(R²)，其中SSR表示回归平方和，SST表示总体偏差平方和，为节点i的原始图节点度量值，为回归模型计算结果的均值；

E4.重复执行E1，E2和E3分别进行上述9个节点度量指标的计算；

F.上述节点度量指标值、嵌入结果和原始图数据分别展示在节点度量视图、嵌入结果视图和原始结构视图中，建立多个视图之间的关联，实现多视图协同交互的可视化分析。

2.如权利要求1所述评价和比较图嵌入模型的可视化分析方法，其特征在于，步骤A具体包括如下步骤：

A1.根据航线网络构建原始视图，抽象后的实体关联数据表示为图G＝(V,E)，V＝{v₁，v₂,...,v_i...,v_n}，其中v_i表示一个机场，|V|为机场数量，E＝{e₁,e₁,...e_i,...,em}，其中ei表示两个机场之间有航线；

A2.根据A1构造的原始视图，得到的G(V,E),节点和边集合。

3.如权利要求1所述评价和比较图嵌入模型的可视化分析方法，其特征在于，步骤C选择的图嵌入模型有四种，分别为：DeepWalk、node2vec、struc2vec和SDNE。