[发明专利]一种基于多信息源图嵌入的好友推荐方法及系统

权利要求书

1.一种基于多信息源图嵌入的好友推荐方法，其特征在于，步骤如下：

获取源节点信息和目标节点信息；

分别对所述源节点信息和所述目标节点信息进行图嵌入处理，并获取所述源节点信息的嵌入后结构向量和嵌入后属性向量，以及所述目标节点信息的嵌入后结构向量和嵌入后属性向量；

拼接所述源节点信息的嵌入后的结构向量和嵌入后的属性向量获得完整的源节点向量；拼接所述目标节点信息的嵌入后的结构向量和嵌入后的属性向量获得完整的目标节点向量；

将完整的源节点向量和完整的目标节点向量进行拼接后，送入隐藏层进行学习；

完成学习后，输出节点之间存在的连接的概率，并根据所述概率的大小进行推送。

2.根据权利要求1所述的基于多信息源图嵌入的好友推荐方法，其特征在于，所述源节点信息包括源节点结构信息和源节点属性信息；所述目标节点信息包括目标节点结构信息和目标节点属性信息。

3.根据权利要求2所述的基于多信息源图嵌入的好友推荐方法，其特征在于，所述源节点结构信息采用独热编码的形式转换为一组二进制的结构输入向量输入。

4.根据权利要求3所述的基于多信息源图嵌入的好友推荐方法，其特征在于，所述源节点属性信息为离散属性或连续属性；所述离散属性采用独热编码的形式转换为一组二进制的属性输入向量输入，所述连续属性通过词频-逆向文件频率转换为实值向量输入。

5.根据权利要求4所述的基于多信息源图嵌入的好友推荐方法，其特征在于，源节点信息的独热编码输入的结构输入向量通过节点嵌入算法嵌入为源节点信息的嵌入后结构向量源节点的属性输入向量或实值向量通过自定义的权重矩阵W^(k)嵌入为源节点信息的嵌入后属性向量

6.根据权利要求5所述的基于多信息源图嵌入的好友推荐方法，其特征在于，将源节点信息的嵌入后的结构向量和嵌入后的属性向量送入拼接层进行拼接，并获取完整的源节点向量u_s，该完整的源节点向量u_s表达式如下：

式中，α为权重，用于调整结构信息与属性信息之间的平衡。

7.根据权利要求6所述的基于多信息源图嵌入的好友推荐方法，其特征在于，α的取值范围为[0,1]。

8.一种基于多信息源图嵌入的好友推荐系统，其特征在于，包括服务器和与所述服务器连接的至少一个客户端；

其中，所述服务器：用于执行权利要求1-7中任意一项所述的基于多信息源图嵌入的好友推荐方法；所述服务器内具有推荐模型；

所述客户端：用于接收所述服务器的推送信息。

9.根据权利要求8所述的基于多信息源图嵌入的好友推荐系统，其特征在于，所述推荐模型包括依次设置的输入层、嵌入层、拼接层、隐藏层和输出层；

所述输入层：用于获取源节点信息和目标节点信息；

所述嵌入层：用于对所述源节点信息和所述目标节点信息进行图嵌入处理，获取源节点信息的结构低维紧密向量和属性低维紧密向量；以及获取目标节点信息的结构低维紧密向量和属性低维紧密向量；

所述拼接层：用于拼接源节点信息的结构低维紧密向量和属性低维紧密向量获得完整的源节点向量；用于拼接目标节点信息的结构低维紧密向量和属性低维紧密向量获得完整的目标节点向量；

所述隐藏层：用于将完整的源节点向量和完整的目标节点向量拼接起来，并对拼接后的向量进行分析和训练；

所述输出层：用于根据分析和训练，输出概率值，并根据概率值进行好友推送。

10.根据权利要求9所述的基于多信息源图嵌入的好友推荐系统，其特征在于，所述隐藏层具有多个子隐藏层。