[发明专利]一种异构网络链接关系的预测方法及系统

摘要

本发明公开一种异构网络链接关系的预测方法及系统，该方法包括S1.将异构网络中实体进行预处理，得到训练集，其中，所述训练集包括通过预处理得到的各实体的可观测属性特征及各实体的可观测的链接关系；S2.根据异构网络中结点类型、结点个数及预设的结点隐特征向量，建立异构网络链接关系预测模型；S3.基于最大熵判别式准则，对所述模型进行优化，得到优化后的链接关系预测模型；S4.通过所述训练集训练所述优化后的链接关系预测模型，得到训练后的链接关系预测模型；S5.通过训练后的链接关系预测模型预测异构网络链接关系。

主权项

一种异构网络链接关系的预测方法，其特征在于，该方法包括：S1.将异构网络中实体进行预处理，得到训练集，其中，所述训练集包括：通过预处理得到的各实体的可观测属性特征及各实体的可观测的链接关系；S2.根据异构网络中结点类型、结点个数及预设的结点隐特征向量，建立异构网络链接关系预测模型；S3.基于最大熵判别式准则，对所述模型进行优化，得到优化后的链接关系预测模型；S4.通过所述训练集训练所述优化后的链接关系预测模型，得到训练后的链接关系预测模型；S5.通过训练后的链接关系预测模型预测异构网络链接关系；在步骤S2中，所述异构网络包括：N个实体结点及M个属性结点，其中N和M为正整数，任意一个实体结点i的KN维隐特征向量为ui，i≤N，任意一个属性结点j的KM维隐特征向量为vj，j≤M，i，j均为正整数，其中KN和KM为预设值，且KN≠KM；所述链接关系预测模型包括：实体结点‑实体结点链接关系预测模型及实体结点‑属性结点链接关系预测模型；所述实体结点‑实体结点链接关系预测模型为：f(ui，uk；WN)＝Tr(WNukuiT)；其中，Tr(WNukuiT)为矩阵WNukuiT的迹，uiT为ui的转置，WN为权值矩阵，uk和ui分别为异构网络中的实体结点k和i的KN维隐特征向量，i≠k，i≤N，k≤N且i和k为正整数；所述实体结点‑属性结点链接关系预测模型为：f(ui，vj；WM)＝Tr(WMvjuiT)；其中，ui和vj分别为异构网络中的实体结点i的KN维隐特征向量和属性结点j的KM维隐特征向量，uiT为ui的转置，WM为权值矩阵，Tr(WMvjuiT)为矩阵WMvjuiT的迹。