申请/专利权人:北京邮电大学
申请日:2021-08-04
公开(公告)日:2024-04-23
公开(公告)号:CN113609306B
主分类号:G06F16/36
分类号:G06F16/36;G06F30/18;G06F30/27;G06N3/042;G06N3/0464;G06N3/048;G06N3/08;G06N5/022;G06F111/02
优先权:
专利状态码:有效-授权
法律状态:2024.04.23#授权;2021.12.17#实质审查的生效;2021.11.05#公开
摘要:本发明公开了一种对抗残差图变分自编码器的社交网络链接预测方法及系统,包括如下步骤:利用数据采集技术获取某一时刻下的社交网络数据,包括用户的推文数据和用户之间的交互数据;基于用户的交互进行社交网络图结构抽象,其中节点表示社交网络中的真实用户,边表示用户之间的关系;利用Bert模型提取用户推文数据中的内容语义信息,表示成固定长度的向量,作为用户的内容语义;将社交网络图结构和用户的内容语义作为输入,利用批量正则化下的对抗残差图变分自编码器提取拓扑结构特征和语义特征,融合得到低维连续向量空间中的节点表示;两两计算节点向量表示之间的点积,反映节点间的相似度,将高于给定阈值的两个节点认定为会在未来产生链接关系,从而实现社交网络链接预测。
主权项:1.一种对抗残差图变分自编码器的社交网络链接预测方法,其特征在于,包括如下步骤:利用数据采集技术获取某一时刻下的社交网络数据,包括用户的推文数据和用户之间的交互数据;基于用户的交互进行社交网络图结构抽象,其中节点表示社交网络中的真实用户,边表示用户之间的关系;利用Bert模型提取用户推文数据中的内容语义信息,表示成固定长度的向量,作为用户的内容语义;将社交网络图结构和用户的内容语义作为输入,利用批量正则化下的对抗残差图变分自编码器提取拓扑结构特征和语义特征,融合得到低维连续向量空间中的节点表示;两两计算节点向量表示之间的点积,反映节点间的相似度,将高于给定阈值的两个节点认定为会在未来产生链接关系,从而实现社交网络链接预测;所述批量正则化下的对抗残差图变分自编码器包括:图自编码器模块与对抗网络模块;所述基于用户的交互进行社交网络图结构抽象,包括:使用GCN对非欧几里得的图结构数据进行特征提取,每一层图卷积网络的传播规则表示为: 其中是图G的度矩阵,是由添加自回环后的邻接矩阵,Wl和是当前图卷积层的权重矩阵与激活函数;图定义为G={V,E,X},其中V={v1,v2,...,vn}表示图结构数据中所有节点的集合,E表示图中连接节点vi和vj的边eij的集合,xi∈X表示节点vi的内容特征;Z为潜变量,是图G的嵌入矩阵。
全文数据:
权利要求:
百度查询: 北京邮电大学 对抗残差图变分自编码器的社交网络链接预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。