[发明专利]基于广义关系隐话题模型的关系网络链接预测方法

权利要求书

1.一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，包括以下步骤：

S1、将文本关系网络数据进行预处理，提取词袋文本特征及文档间的链接关系；

S2、根据所述词袋文本特征及文档间的链接关系建立广义关系隐话题链接预测模型；

S3、将所述广义关系隐话题链接预测模型进行训练；

S4、将训练好的广义关系隐话题链接预测模型用来预测关系网络中文档之间的链接关系。

2.如权利要求1所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，步骤S2中所述广义关系隐话题链接预测模型适用于对称或非对称网络。

3.如权利要求2所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，所述广义关系隐话题链接预测模型通过完全实数值矩阵的方式来描述；定义广义链接似然函数为：

其中z_i,z_j为对象实体在隐层特征空间中的表示向量，σ为sigmoid函数，U为K×K的实数值矩阵。

4.如权利要求3所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，所述关于链接关系的广义似然函数在处理对称的关系数据时，在模型中加入对称性约束条件

5.如权利要求1所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，步骤S3中包含步骤：

对广义关系隐话题模型进行学习；对广义关系隐话题模型进行后验推理。

6.如权利要求5所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，采用基于罗杰斯特损失函数的最大似然判别式学习方法学习广义关系隐话题链接预测模型。

7.如权利要求6所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，广义关系隐话题模型的目标函数为

其中是描述数据的似然函数，是损失函数，W是可观测数据，U是隐权值矩阵，表示隐话题指示变量，是话题混合比例变量。c是控制链接关系结构对整个目标函数影响大小的正则化参数。

8.如权利要求5所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，采用基于数据增广统计理论的马尔可夫链蒙特卡罗MCMC采样精确推理方法对广义关系隐话题链接预测模型进行后验推理。

9.如权利要求1所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，步骤S4中预测为新文档与其它文档之间的链接关系。

10.如权利要求1～9中任一项所述的一种基于广义关系隐话题模型的关系网络链接预测方法，其特征在于，该方法是一种概率图模型方法，对关系网络的网络结构和关系数据的文本内容同时进行建模。