[发明专利]一种基于A-TrAdaboost算法的多源社区标签发展趋势预测方法

摘要

一种基于A‑TrAdaboost算法的多源社区标签发展趋势预测方法，包括以下步骤：(1)构建问答社区中的标签网络；(2)计算源领域社区和目标领域社区结构的向量表征(3)计算源领域与目标领域之间的结构相似性；(4)构建基于A‑TrAdaboost算法的多源社区标签流行性预测模型。本发明利用网络图表征的方法，得到各个网络的向量表征，进而计算网络之间的相似性，作为不同问答社区之间的领域距离，并将网络结构之间的相似性作为多源迁移学习算法TrAdaboost的初始权重，在进行跨社区预测新标签流行性问题时，能够较好的避免多源迁移中的负迁移问题，提高模型的训练时间和精度。

主权项

1.一种基于A‑TrAdaboost算法的多源社区标签发展趋势预测方法，其特征在于，所述方法包括如下步骤：步骤1：构建问答社区中标签网络，如果同一个问题帖子下边出现多个标签，则认为这些标签具有连边，构建问答社区标签网络，得到源领域和目标领域社区的网络结构集合步骤2：计算各社区中网络结构的向量表征，采用graph2vec的方法，将每个网络Gi∈Ω用一个维度为d的向量来进行表征,最后学习得到每个社区网络图结构的向量表征Vi；步骤3：计算源领域与目标领域之间的结构相似性，计算源领域网络结构表征向量和和目标领域V_T之间的余弦相似性γ_t：步骤4：构建基于A‑TrAdaboost算法的多源社区标签流行性预测模型，通过提取源领域DSt和目标领域DT中的样本标签及特征数据，把步骤3中计算的相似性γt作为各源领域迁移到目标领域上的初始权重，通过有权SVM的方法，不断迭代更新不同训练样本中的权重，得出最后的训练模型。