[发明专利]一种基于符号网络的节点关系获取方法及存储介质

权利要求书

1.一种基于符号网络的节点关系获取方法，其特征在于，所述的节点关系获取方法包括：

步骤1：建立社交网络模型，并获取节点的度、聚集系数；

步骤2：确定节点间PA指标和亲密度；

步骤3：确定节点间存在潜在链接的概率；

步骤4：确定节点的相关特征属性；

步骤5：对节点的属性特征进行融合，采用logistic回归模型判断节点间关系极性。

2.根据权利要求1所述的一种基于符号网络的节点关系获取方法，其特征在于，所述的步骤1具体为：

将社交网络数据集抽象成一个无向图G＝(V,E)，其中V表示网络中节点的集合，E表示网络的连边集合；网络中不存在的连边表示为(x,y)∈U-E，其中x,y∈V，U表示网络中所有可能的边，并获取节点的度和聚集系数属性。

3.根据权利要求1所述的一种基于符号网络的节点关系获取方法，其特征在于，所述步骤2中节点间的PA指标具体为：

其中，k(x)和k(y)分别表示节点x和y的度。

4.根据权利要求1所述的一种基于符号网络的节点关系获取方法，其特征在于，所述步骤2中节点间的亲密度具体为：

其中，Γ(x)和Γ(y)分别为节点x和节点y的邻居节点的集合；k_x和k_y分别为节点x和y的度；分子上的1表示节点x和节点y之间有一条连通边。

5.根据权利要求1所述的一种基于符号网络的节点关系获取方法，其特征在于，所述步骤3中节点间存在潜在链接概率的计算方法为：

6.根据权利要求1所述的一种基于符号网络的节点关系获取方法，其特征在于，所述的步骤4具体为：

确定节点的节点特征、节点相似度特征和结构平衡特征。

7.根据权利要求6所述的一种基于符号网络的节点关系获取方法，其特征在于，所述的节点特征包括正入度比负入度比正出度比负出度比和PA相似度；所述的PA相似度即为PA指标；

正入度比的计算方法为：

负入度比的计算方法为：

正出度比的计算方法为：

负出度比的计算方法为：

其中，d_in(u)表示节点u的总入度；d_out(u)表示节点u的总出度；和分别表示节点u的正入度和负入度；和分别表示节点u的正出度和负出度。

8.根据权利要求6所述的一种基于符号网络的节点关系获取方法，其特征在于，所述的节点相似度特征包括正相似度S⁺(u,v)和负相似度S^-(u,v)，计算公式分别为：

其中，W⁺表示向v提供积极链接的节点集；W^-是表示对v发出消极链接的节点集；sim(u,w)为节点u与节点W之间的相似度；

所述的节点间相似度sim(u,w)计算公式为：

式中，e_(u,i)和e_(w,i)是分别从节点u和节点w指向节点i的链接的关系标签，I是u和w的共同邻居节点的集合。

9.根据权利要求6所述的一种基于符号网络的节点关系获取方法，其特征在于，所述的结构平衡特征由在三元组属性和四元组属性抽取的负三元组和负四元组特征确定；其中，节点u和v的负三元组比值计算公式为：

其中，W表示节点u和节点v的邻居，|W|是节点u和节点v的共同邻居的数量；

节点u和节点v的负四元组比值计算公式为：

其中，表示从节点u到节点v经过遍历路径长度为3的所有路径的总数。

10.一种存储介质，其特征在于，所述的存储介质内存储有如权利要求1～9中任一项所述的基于符号网络的节点关系获取方法。