[发明专利]一种跨社交网络的锚链接预测方法

权利要求书

1.一种跨社交网络的锚链接预测方法，其特征在于，包括以下步骤：

步骤1：输入由社交网络G_s与社交网络G_t构成的待预测跨网络数据；对待预测跨网络数据执行节点拆分，获得节点信息；对于每一个节点v_i生成一条随机游走路径w_i，节点v_i作为随机游走路径w_i的起始节点；设定随机游走路径w_i的目标长度；初始化集合

步骤2：获取每条随机游走路径w_i中节点v_i的邻居节点信息，将节点v_i置为广度优先搜索策略的起始节点s_bf，进行广度优先搜索策略的随机游走，将得到的从起始节点s_bf开始的路径存入随机游走路径w_i中；

步骤3：判断随机游走路径w_i是否达到目标长度；对于达到目标长度的随机游走路径w_i，存入集合W中；对于未达到目标长度的随机游走路径w_i，执行步骤4；若所有随机游走路径均达到目标长度，即所有随机游走路径均已存入集合W中，则执行步骤7；

步骤4：若随机游走路径w_i在上一轮中使用了广度优先搜索策略的随机游走，则执行步骤5；若随机游走路径w_i在上一轮中使用了深度优先搜索策略的随机游走，则执行步骤6；

步骤5：从上一轮使用广度优先搜索策略的随机游走后新添加的节点中随机选择一个节点作为当前节点，获取当前节点的邻居节点信息；若当前节点v_i的度D(v_i)大于上一轮中的广度优先搜索策略的起始节点s_bf的度，则将当前节点v_i置为广度优先搜索策略的起始节点s_bf，进行广度优先搜索策略的随机游走，将得到的从起始节点s_bf开始的路径存入随机游走路径w_i中，返回步骤3；否则，将当前节点v_i置为深度优先搜索策略的起始节点s_df，进行深度优先搜索策略的随机游走，将得到的从节点s_df到新的节点的路径存入随机游走路径w_i中，返回步骤3；

步骤6：将上一轮使用深度优先搜索策略的随机游走后新添加的节点置为广度优先搜索策略的起始节点s_bf，对起始节点s_bf的邻居节点进行广度优先搜索策略的随机游走，将得到的从起始节点s_bf开始的路径存入随机游走路径w_i中，返回步骤3；

步骤7：将集合W中所有随机游走路径输入至skip-gram模型中，得到由社交网络G_s与社交网络G_t构成的跨网络数据的向量表示；构造跨网络数据的链路向量，构造监督学习训练集，训练锚链接预测模型；

步骤8：将由社交网络G_s与社交网络G_t构成的待预测跨网络数据输入至锚链接预测模型中，得到社交网络G_s与社交网络G_t的锚链接预测结果。