[发明专利]基于边的随机游走的网络表示学习方法和装置

权利要求书

1.一种基于边的随机游走的网络表示学习方法，其特征在于，应用于学术网络，包括：

根据所述学术网络的每个节点的主题向量和边的关联时间戳，计算所述学术网络中边与边的相似度，具体包括：根据学术网络的每个节点的主题向量和边的关联时间戳，计算所述学术网络中节点间的相似度；根据计算的节点间的相似度计算所述边与边的相似度；其中，所述节点包括有：作者节点、论文节点、期刊会议节点和关键词节点，所述边包括有：作者节点到论文节点的边、论文节点到论文节点的边、期刊会议节点到论文节点的边和论文节点到主题节点的边；

根据计算的边与边的相似度计算边到边的转移概率；

确定所述学术网络的原始元路径，并对所述原始元路径进行延长，得到所述学术网络的最终元路径；其中，所述元路径的确定，具体包括：

根据指定的源节点的类型、目标节点的类型，生成所述学术网络的原始元路径；

对所述原始元路径中的对称元路径，进行至少一次正向游走，直到所得元路径的长度达到或者超过最大长度值maxLength时，将所得元路径作为最终延长得到的元路径；

对所述原始元路径中首尾节点类型相同的非对称元路径，先进行一次逆向游走，得到对称元路径；将得到的对称元路径进行至少一次正向游走，直到所得元路径的长度达到或者超过最大长度值maxLength时，将所得元路径作为最终延长得到的元路径；

对所述原始元路径中首尾节点类型不同的非对称元路径，先进行一次逆向游走，得到首尾节点类型相同的非对称元路径；将得到的首尾节点类型相同的非对称元路径再进行一次逆向游走，得到对称元路径；将得到的对称元路径进行至少一次正向游走，直到所得元路径的长度达到或者超过最大长度值maxLength时，将所得元路径作为最终延长得到的元路径；

基于所述元路径的指导，根据计算的转移概率进行随机游走生成节点序列；根据得到的节点序列进行节点的表示学习，得到节点的低维表示。

2.根据权利要求1所述的方法，其特征在于，所述计算所述学术网络中节点间的相似度，具体为：

根据如下公式一计算节点间的相似度：

公式一中，a表示所述学术网络中所有与节点a_m相连的中心类型节点，a'表示所述学术网络中所有与节点a_n相连的中心类型节点，t_c表示当前时间戳，Topic(a)表示中心类型节点a的主题向量，Topic(a′)表示中心类型节点a'的主题向量，η是时间衰减因子η＝0.62，t_a表示节点a与a_m构成的边的关联时间戳，t_a'表示节点a'与a_n构成的边的关联时间戳；type(a)＝Cnode表示节点a的类型为中心类型节点；type(a′)＝Cnode表示节点a'的类型为中心类型节点；表示a与a_m构成的边是所述学术网络中真实存在的一条边，表示a'与a_n构成的边是所述学术网络中真实存在的一条边。