[发明专利]一种属性异构网络嵌入方法、装置、设备和介质

说明书

本申请公开了一种属性异构网络嵌入方法、装置、设备和介质，将初始异构网络中具有相同或相似属性的节点进行连接，得到新异构网络；在确定初始节点后，基于预置聚集路径模式划分属性层和结构层；根据计算得到的属性层和结构层的重要性选择下一个游走的目标层；基于目标层中各节点的链路权重选择下一个游走的目标节点，并将目标节点作为初始节点进行游走，直至游走的节点数量达到预置数量，生成游走路径集合；最后通过skip‑gram模型进行训练，得到用于下游任务的嵌入结果。本申请解决了现有方法在进行属性异构网络嵌入时，平等地对待属性和结构信息对每个节点的影响，没有考虑到两个信息不同的重要性，导致下游任务效果不佳的技术问题。

技术领域

本申请涉及异构网络嵌入技术领域，尤其涉及一种属性异构网络嵌入方法、装置、设备和介质。

背景技术

现实生活中的许多网络都是异构网络，即具有多种多样的节点类型和链路类型，并且大部分网络是属性异构网络，即网络中存在不同类型的节点和链路，且不同类型的节点之间还附带有不同的属性信息。现有技术没有考虑到不同的网络会有不同的属性重要性和结构重要性，在进行属性异构网络嵌入时，现有技术均是平等地对待属性和结构信息对每个节点的影响，没有考虑到两个信息不同的重要性，导致下游任务效果不佳。

发明内容

本申请提供了一种属性异构网络嵌入方法、装置、设备和介质，用于解决现有方法在进行属性异构网络嵌入时，平等地对待属性和结构信息对每个节点的影响，没有考虑到两个信息不同的重要性，导致下游任务效果不佳的技术问题。

有鉴于此，本申请第一方面提供了一种属性异构网络嵌入方法，包括：

S1、将初始异构网络中具有相同或相似属性的节点进行连接，得到包括结构链路和属性链路的新异构网络；

S2、在确定初始节点后，基于预置聚集路径模式，将所述新异构网络中通过属性链路和结构链路与所述初始节点连接的节点构成的层划分为属性层和结构层；

S3、在基于所述预置聚集路径模式进行游走时，计算所述属性层和所述结构层的重要性，并基于所述属性层和所述结构层的重要性在所述属性层和所述结构层中选择下一个游走的目标层；

S4、基于所述目标层中各节点的链路权重在所述目标层中选择下一个游走的目标节点，并将所述目标节点作为所述初始节点，返回步骤S2，直至游走的节点数量达到预置数量，生成游走路径集合；

S5、通过skip-gram模型训练所述游走路径集合，得到各节点的嵌入结果，所述节点的嵌入结果用于节点预测、节点聚类或链路预测。

可选的，步骤S2包括：

在确定初始节点后，基于预置聚集路径模式，将所述新异构网络中通过属性链路与所述初始节点连接的节点构成的层划分为属性层，将通过结构链路与所述初始节点连接的节点构成的层划分为结构层，并且结构层中的节点的类型与所述预置聚集路径模式中的所述初始节点的下一个节点的类型相同。

可选的，所述计算所述属性层和所述结构层的重要性，包括：

基于第一预置公式计算所述属性层和所述结构层的重要性，所述第一预置公式为：

其中，h为属性层或结构层，为与初始节点v相连的层h的重要性大小，为层h中与初始节点v具有属性链路或结构链路的所有节点的链路权重w的平均值，为与初始节点v相连的结构层和属性层的所有链路权重的平均值。

可选的，所述基于所述属性层和所述结构层的重要性在所述属性层和所述结构层中选择下一个游走的目标层，包括：

基于所述属性层和所述结构层的重要性计算层游走概率，所述层游走概率包括属性层游走概率和结构层游走概率；

基于所述层游走概率在所述属性层和所述结构层中选择下一个游走的目标层。