[发明专利]一种融合多空间特征的网络对齐模型及其应用

权利要求书

1.一种融合多空间特征的网络对齐模型，所述模型通过网络中节点的锚链接预测判断其余节点是否为现实世界同一实体，其特征在于，所述模型通过如下步骤实现：

多空间表示学习：给定两个输入网络G^s和G^t，同时学习网络空间中的规则结构和层级结构特征，对原始网络在不同几何空间上进行卷积来获取网络中节点的邻居信息，得到每个节点的欧氏空间嵌入表示和双曲空间嵌入表示：

跨空间映射：由于两个网络G^s和G^t的嵌入表示是在不同潜在空间分别学习的，空间分布会有差异，将两个网络欧氏空间和双曲空间的嵌入分别映射至相同几何空间的潜在空间中；

跨空间融合：基于映射之后的网络嵌入，对每个网络的欧氏空间网络嵌入和双曲空间网络嵌入进行融合，以促进两个几何空间之间的信息交互，达到捕捉不同结构特征的目的；

锚链接预测：为了完成网络对齐任务，采用一个多层感知机来预测任意一对来自G^s和G^t的节点对之间是否存在锚链接。

2.一种融合多空间特征的网络对齐模型应用，其特征在于：

将欧氏空间网络和双曲空间网络嵌入已知网络的锚节点中进行多空间网络结构表示；

通过多空间网络结构表示的节点信息进行跨空间映射；即：

所述欧氏空间网络的映射函数通过如下约束得到：

其中：|·|_F为两个网络嵌入表示之间的欧氏空间距离矩阵，Γ_E为φ_E(·)的参数；

所述双曲空间的映射函数通过如下约束得到：

其中：φ_H(·)为双曲空间映射函数，为双曲空间距离；

通过如下公式对欧式空间网络嵌入结构表示和双曲空间网络嵌入结构表示进行跨空间融合；

其中：H^t,H^s为双曲空间网络嵌入，Z^s,Z^t为欧氏空间网络嵌入；

通过如下公式预测节点是否为锚链接；

其中：[·||·]表示嵌入的串联W和b为可训练参数，Y是潜在锚链接集合。

3.根据权利要求1所述的一种融合多空间特征的网络对齐模型，其特征在于：所述欧式空间网络嵌入过程：

对已知每个网络可矩阵表示：邻接矩阵A和节点特征矩阵X，对节点特征矩阵X中的每一行x_i表示节点的特征；对邻接矩阵A进行归一化：

其中：I为单位矩阵，D∈R^n×n为对角度矩阵；

对节点特征矩阵进行图卷积得到欧氏空间中的网络结构表示，

其中：为指定层的欧氏空间参数矩阵；σ(·)为一个非线性函数，例如：ReLU(·)＝max(0,·)；Z^l∈R^n×d为第l层的节点嵌入矩阵，输入层Z⁰＝X；d为每一个节点嵌入的维度。

4.根据权利要求1所述的一种融合多空间特征的网络对齐模型，其特征在于：所述双曲空间网络嵌入过程：

通过如下公式将其映射到双曲空间

其中，为向量v的模。

对于给定的网络，一个(l+1)层GCN在双曲空间中生成节点嵌入矩阵所示：

其中：为双曲线性变换，AGG(·)为双曲空间的邻域聚合操作，则为双曲非线性激活函数；

双曲线性变换先用对数映射将双曲空间中的点映射到切线空间，在切线空间上做线性变换；再用指数映射将切线空间中的向量投影回双曲流形，具体公式如下：

其中：H为输入双曲空间网络嵌入；

双曲邻域聚合通过将它们映射到原点的切线空间，使用连接和欧几里德多层感知器计算它们之间的权重，计算方式如下：