[发明专利]一种基于特征迁移的社交网络嵌入方法

权利要求书

1.一种基于特征迁移的社交网络嵌入方法，其特征在于：

对社交网络等间隔取快照，得到离散的图快照序列；

使用图卷积神经网络对图快照进行表示；

针对动态社交网络演化过程中的节点、连边可能出现的不同情况，制定不同的迁移策略以及图快照之间特征迁移的迁移权重；

计算节点在社交网络演化过程中不同情形下对应的节点表征。

2.根据权利要求1所述的一种基于特征迁移的社交网络嵌入方法，其特征在于：所述方法包括以下步骤：

步骤1：对动态社交网络等间隔取快照，得到不同切片步长下的图快照序列；

步骤2：在得到图快照序列之后，使用图卷积神经网络学习图快照G_t的信息，1≤t≤n，得到在图快照G_t上节点i的节点表征H_ti，并将节点表征存储起来；

步骤3、根据t时刻和t+1时刻的图快照得到的其对应的邻接矩阵A_t和A_t+1，统计出各个图快照上各节点的邻居节点数量；

步骤4：针对动态社交网络演化过程中的节点、连边可能出现的不同情况，制定不同的迁移策略以及图快照之间特征迁移的迁移权重；

步骤5：在得到图快照之间特征迁移的迁移权重之后，针对动态社交网络演化过程中的节点、连边可能出现的不同情况，计算节点在不同情形下对应的节点表征；

步骤6：重复执行步骤2-5直至得到最后一个图快照序列G_n上的节点嵌入表示，然后将最后一个图快照上的计算得到的节点嵌入表示作为计算得到的社交网络最终节点嵌入。

3.根据权利要求2所述的一种基于特征迁移的社交网络嵌入方法，其特征在于：所述步骤1的具体方法为：

步骤1.1：读取动态社交网络数据集；

步骤1.2：使用切片步长TS对动态社交网络数据集进行等时间间隔的切片处理，得到处理后的离散图快照序列DG＝{G₁，G₂，…，G_n}。

4.根据权利要求3所述的一种基于特征迁移的社交网络嵌入方法，其特征在于：所述步骤2的具体方法为：

步骤2.1：读取图快照G_t信息，1≤t≤n，统计得到该图快照对应的邻接矩阵A_t；

步骤2.2：将步骤2.1得到的邻接矩阵A_t加上图快照G_t的自连接矩阵I_t，得到图卷积神经网络的最终输入B_t，具体的计算方式如公式(1)所示：

B_t＝A_t+I_t    (1)

其中，自连接矩阵I_t为主对角线全l，其余位置全0的方阵；

步骤2.3：将得到的B_t作为输入数据，输入到两层的图卷积神经网络进行卷积，得到该图快照上节点i的节点表征H_ti，i∈[0，n-1]，n为图快照G_t上的节点个数，进而得到图快照G_t对应的节点表征矩阵H_t。

5.根据权利要求4所述的一种基于特征迁移的社交网络嵌入方法，其特征在于：所述步骤3的具体方法为：

步骤3.1：根据t时刻的图快照Gt得到该时刻对应的邻接矩阵A_t，统计出节点i在t时刻的邻居节点数量w_t；

步骤3.2：根据t+1时刻的图快照G_t+1得到该时刻对应的邻接矩阵A_t+1，统计出节点i在t+1时刻的邻居节点数量w_t+1。