[发明专利]基于马尔可夫链模型的论文集体分类方法、系统和介质

权利要求书

1.基于马尔可夫链模型的论文集体分类方法，其特征在于，包括下述步骤：

以论文关系图的形式表示论文，其中每篇论文和论文间的关系表现为论文关系图中的节点和边，论文的标签则为节点的标签，为关系图中的无标签节点进行标签值预测，则相当于预测论文标签；

根据论文关系图，提出基于马尔科夫链模型的建模方式，得到论文节点的稳态概率分布等式和关系的稳态概率分布等式；

考虑论文节点自身的特征，构建关于论文自身特征的稳态概率分布方程，协助提升分类结果，并得到最终的预测结果。

2.根据权利要求1所述基于马尔可夫链模型的论文集体分类方法，其特征在于，所述论文关系图表示如下：

其中i，j＝1，2，...n，k＝1，2...m；n为网络中的节点总数，m为网络中节点关系类型总数，当关系图中第i个节点链接与第j个节点含有第k类关系时a_i，j，k＝1，否则a_i，j，k＝0。

3.根据权利要求2所述基于马尔可夫链模型的论文集体分类方法，其特征在于，所述论文关系图的构造方法具体为：

将论文自身作为关系图的节点，将论文的特征f作为节点的特征，将论文间的引用关系、共同作者关系及同属期刊关系作为关系图的边，用于链接不同的论文节点，其中两个论文节点间可有多条不同的关系边；

根据论文关系图的节点和边，获取关系图的邻接矩阵。

4.根据权利要求1所述基于马尔可夫链模型的论文集体分类方法，其特征在于，所述基于马尔科夫链模型的建模方式，具体为：

构建基于论文节点的马尔可夫转移概率矩阵、关系马尔可夫转移概率矩阵，并据此构建节点的联合方程；

构建关系的联合方程。

5.根据权利要求4所述基于马尔可夫链模型的论文集体分类方法，其特征在于，

所述的节点马尔可夫转移概率矩阵为其中

所述关系马尔可夫转移概率矩阵为其中

所述节点稳态分布概率如下表示：x＝[x₁，x₂，...x_n]^T，其中

所述关系稳态分布概率如下表示：z＝[z₁，z₂，...z_m]^T，其中

所述构建节点关于关系的稳态分布等式，如下式：

所构建关系关系自身的稳态概率分布等式，如下式：

6.根据权利要求1所述基于马尔可夫链模型的论文集体分类方法，其特征在于，所述构建关于论文自身特征的稳态概率分布方程，协助提升分类结果，并得到最终的预测结果，具体为：

基于余弦相似度，计算定义两个论文节点之间的特征相似度；

计算任意两个节点的特征相似度得到特征相似度矩阵C，对特征相似度矩阵C按列进行归一化处理，得到节点关于特征的转移概率矩阵W＝(w_i，j)，论文节点关于特征的稳态概率分布矩阵可以通过等式x＝Wx求解；

联合节点关系和节点特征，得到联合方程；通过迭代的方法求解联合方程，得到最终预测结果。

7.根据权利要求6所述基于马尔可夫链模型的论文集体分类方法，其特征在于，所述特征相似度表示如下：

其中f_i和f_j分别表示第i个节点和第j个节点的特征。