[发明专利]一种图嵌入向量的生成方法及基于图嵌入的社区发现方法

权利要求书

1.一种图嵌入向量的生成方法，其特征在于，包括：

获取顶点的核值；

获取顶点的邻域结构信息，计算顶点之间的相似度；

基于顶点与其相邻邻居的相似度，生成顶点序列；

将顶点序列进行词向量训练，生成每个顶点的嵌入向量。

2.根据要求1所述的图嵌入向量的生成方法，其特征在于，所述顶点核值的计算方法为：

计算所有顶点的度数；

选择一个度数最小的顶点，其核值即为其度数的值；

遍历上一步骤中顶点的邻居，若某一邻居顶点的度数大于该顶点的的度数，则邻居顶点的度数减1。

3.根据要求2所述的图嵌入向量的生成方法，其特征在于，所述顶点之间相似度的计算方法为：

获取顶点u的k跳邻居集合

分别获取集合中顶点u邻居顶点的核值分布情况其中表示中核值为t的顶点有多少个；

将顶点u的每一跳邻居集合的向量分别乘以一个衰减系数加起来，整合成一个总的向量d_u；其中，跳数越大，即k越大，说明这个邻域信息对该顶点的邻域结构情况影响越小，因此，衰减系数越小；

计算顶点u和顶点v对应的向量之间的欧氏距离，进而计算两个顶点之间的相似度。

4.根据要求3所述的图嵌入向量的生成方法，其特征在于，顶点序列的生成方法为：

根据顶点之间的相似度，计算由一个顶点游走到其相邻顶点的概率；

以得到的概率作为预设转移概率，使用随机游走模型生成顶点序列。

5.一种基于图嵌入的社区发现方法，其特征在于，包括：

获取训练样本集；

获取每个训练样本所对应的图嵌入向量，其中，所述图嵌入向量采用如权利要求1-4任一项所述的方法生成；

将所述训练样本的图嵌入向量作为输入数据，对预设网络模型进行训练，以得到社区发现模型。

6.根据权利要求5基于图嵌入的社区发现方法，其特征在于，所述的预设网络模型为聚类算法模型，将相似的顶点向量归纳在一起，进而得到多个不同的簇类，每一个簇类代表一个社区。

7.根据权利要求6基于图嵌入的社区发现方法，其特征在于，在训练样本的标签已知的情况下，将每个顶点向量分配到一个社区中，然后对新的顶点所属社区进行预测，完成社区发现。