[发明专利]一种面向属性网络聚类的小样本主动学习方法、系统及装置

说明书

本公开提供了一种面向属性网络聚类的小样本主动学习方法，包括：获取属性网络的邻接矩阵、属性矩阵和指示矩阵；利用指示矩阵记录节点的类别信息，结合属性矩阵选取各个类别的代表性节点集合；通过各矩阵得到属性网络节点的全局聚类结果和社团簇原型属性；从邻接矩阵和全局聚类结果刻画节点不确定度，获取属性网络中各个节点的总不确定度；选取不确定度最高的节点，并提取该节点的标签信息；从邻接矩阵中所有标记节点的邻接关系选择所有直接相连的邻居节点，构建子网络；获取子网络节点的聚类结果；利用全局聚类结果划分节点得出聚类结果。本公开解决了属性网络中小样本聚类问题。

技术领域

本公开涉及数据挖掘领域，尤其涉及一种面向属性网络聚类的小样本主动学习方法、系统及装置。

背景技术

自然界中广泛存在着各种各样的复杂网络，比如社交网络、交通网络、电力网络，这些网络在人们的日常生活中起着重要的作用。为了分析复杂网络的性质，通常将复杂网络建模为图，将实体看作节点，链路看作边，其余的信息则被存储在其他位置或被转换为边的权重值。通过对图的拓扑结构信息的利用，可揭示复杂网络中的各种结构，挖掘复杂网络的关键潜在机制。

社区是网络的重要结构，广泛存在于现实网络中。社区结构之所以重要，其原因在于当网络规模过大时，复杂网络的复杂性将极大上升，使网络很难作为一个整体用于分析，因此需要将对象分组到一组集群中进行分析，并将大型网络切割成一些较小的子网，这就是聚类，也称为社区检测。例如，在社交网络中，社区对应于背景或爱好相似的群体，通过对该群体的共性进行分析，内容推荐算法能准确推送合适的信息到可能感兴趣的用户。在癌症网络中，社区对应于表达相同或相似功能的一类基因，通过对表达癌症关键功能的基因社区的挖掘，能发现治疗癌症的有效方法。

图聚类(社区检测)算法旨在发现复杂网络中的社区结构。一般来说，社区检测的结果要求同一组中的节点密集连接，而在不同组中的节点稀疏连接。但随着计算机科学的发展，更多的信息被收集并添加到网络中，属性网络因而诞生。不同于以往只包含拓扑结构信息的网络，属性网络具有各种属性信息，导致以往对于社区结构的要求已经不再适用。

相较于传统社区，属性网络的社区除对各个社区内部紧密连接的要求外，还有同一社区节点具有更高的属性相似性的要求。因邻接结构信息和属性信息的异构性，传统图聚类方法很难直接迁移到属性网络中，有必要专门研究新的方法来消除二者之间的异质性，以得到更好的聚类结果。因此，属性网络上的社团检测算法需要科研工作人员投入大量的精力，以期获得新的突破。

除属性信息的使用外，聚类作为一种典型的无监督学习，对比有监督的分类算法，一直苦于准确性较低的问题。有鉴于此，有必要提供一种面向属性网络聚类的小样本主动学习方法，以解决属性网络中的小样本聚类问题。

发明内容

本发明的实施例提供一种面向属性网络聚类的小样本主动学习方法，主要解决三个问题：一是如何在监督信息严重不足的情况下，利用少量的监督信息提升算法性能；二是如何在监督信息不充分的情况下，利用主动学习自行增加标记信息，进一步稳定和提升算法的性能；三是如何在网络规模较大的情况下，减少因主动学习算法带来的额外时间开销。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，提供一种面向属性网络聚类的小样本主动学习方法，包括：

处理源数据：获取属性网络的邻接矩阵、属性矩阵和指示矩阵，其中，指示矩阵用来保存专家已标记节点的标签信息，即结点的类别信息；

小样本学习：利用所述指示矩阵记录属性网络中节点的类别信息，结合所述属性矩阵选取各个类别的代表性节点集合；通过所述邻接矩阵、所述属性矩阵、所述指示矩阵和代表性节点的属性矩阵以及代表性节点的指示矩阵，得到属性网络节点的全局聚类结果和社团簇原型属性；