[发明专利]基于自编码器的跨网络数据任意维度融合方法和装置

说明书

本发明实施例提出了一种基于自编码器的跨网络数据任意维度融合方法和装置，所述方法包括：获取不同网络的嵌入表示数据信息以及节点属性信息；对嵌入表示的数据与残缺节点属性信息进行拼接，构造深度自编码器模型；对构造的深度自编码器模型的目标函数进行优化，得到模型输出后的融合数据特征。本发明通过将不同网络的嵌入数据与残缺属性信息相融合，同时利用两者信息特征进行相互融合最终得出任意维度的融合数据。

技术领域

本发明涉及计算机技术领域，尤其是涉及一种基于自编码器的跨网络数据任意维度融合方法和装置。

背景技术

随着社会的发展，现在人们已经生活在了一个通过信息网络连接的世界。其中社交网络、电子商务网络、万维网都是典型的信息网络。近年来，网络嵌入作为一种学习节点矢量表示的方法，受到了越来越多的关注。许多先进的网络嵌入方法应运而生，例如Deepwalk和Line；这些已有的网络嵌入方法具有很多增强功能，例如网络分析任务，如节点分类、链路预测和网络可视化等。但是现有的网络嵌入算法都是针对单个网络场景设计的，即只考虑来自同一网络的信息，因此对于复杂网络，特别是借点属性信息丰富的网络来说，无法真正利用社交网络的节点嵌入信息的知识。

发明内容

针对当前的网络嵌入技术都是在针对单一网络场景设计的导致无法进行多网络融合的问题，本发明实施例提出了一种基于自编码器的跨网络数据任意维度融合方法和装置，能够将至少两种不同网络的数据进行融合以提高数据的可用性。

为了解决上述问题，本发明实施例提出了一种基于自编码器的跨网络数据任意维度融合方法，包括：

步骤1、获取不同类型网络中的n个节点的嵌入表示数据信息u和节点属性信息a：

u表示为节点的嵌入表示信息，n代表嵌入表示节点的个数，d代表嵌入表示节点维度，其中a为属性信息，且其中包括低维表示的缺失节点属性信息，p代表属性信息所包含节点的个数，m代表属性信息的维度；

步骤2、将所述n个节点的嵌入表示数据信息u与节点属性信息a生成该n个节点的输入数据{x₁,x₂,……x_n}；对所述输入数据通过以下的函数进行拼接：

其中f_enc()是编码函数，用于将输入数据转化为中间隐层表示数据，f_dec()是解码函数，用于将中间隐层表示数据转化为最终的输出数据，θ表示这编码函数与解码函数待训练的参数；

通过f_enc(x_i)返回学习到的表示数据x_i；

步骤3、根据拼接后的数据，构建深度自编码模型；

步骤4、对构造的深度自编码模型的目标函数进行优化，得到模型输出后的融合数据特征。

其中，所述步骤3具体包括：

步骤31、对属性信息有残缺的节点进行属性随机初始化；

步骤32、获取完整的节点属性信息和节点的嵌入表示信息，即完整节点信息其中u_i为第i个节点的嵌入信息，n代表嵌入表示节点的个数a_i为第i个节点的节点属性信息，表示拼接。

其中，所述步骤4具体包括：

步骤41、对构造的深度自编码模型的目标函数进行优化，得到模型输出后的融合数据特征；其中数据拼接之后优化目标函数为：