[发明专利]结合网络拓扑和商业属性的ICT供应链关键节点识别方法

说明书

本发明涉及结合网络拓扑和商业属性的ICT供应链关键节点识别方法，属于自然语言处理与机器学习领域。主要为了解决ICT供应链网络节点关键性受到节点本身商业属性和在网络中的拓扑结构的双重影响的问题。本发明首先，利用doc2vec从句子嵌入得到ICT供应链网络供应商节点公司类型、登记状态、住所和经营范围的向量表示，并将注册资本进行归一化，将这四种商业属性的向量和注册资本归一化的数值拼接得到融合五种商业属性的句子向量S₁；其次利用Deepwalk算法得到ICT供应链网络节点拓扑嵌入向量S₂；最后向量S₁和S₂进行拼接，并通过线性分类实现ICT供应链网络关键节点识别。在ICT供应链网络的供应商节点信息数据集上实验，结果表明本发明能达到较好的分类效果，准确率达71.4％。

技术领域

本发明涉及结合网络拓扑和商业属性的ICT供应链关键节点识别方法，属于自然语言处理与机器学习领域。

背景技术

随着信息通信技术(InformationCommunication Technology，ICT)在党政部门、重点行业领域的普及应用，加强ICT产品服务供应链的安全可控保障变得至关重要。ICT供应链具备全球分布性，供应商多样性等特点，供应链网络的拓扑关系更加复杂，管理控制难度也更大。因此，有必要分析并明确ICT供应链网络中的关键性节点，开展有针对性的安全管理和指导，以切实推动对国家重点行业ICT供应链安全风险管控。

目前复杂网络关键节点识别的方法大多利用节点的度、介数、自然连通度和紧密度等属性进行关键节点识别，但是这些节点属性由于没有充分利用语义信息而使得ICT供应链关键节点判断准确率低。

对于ICT供应链网络关键节点识别，由于供应商在拓扑结构中重要性与供应商类型、供应商体量和供应商经营产品范围等商业属性密切相关，因此ICT供应链网络的关键节点识别，应重点关注供应商节点的公司类型、注册资本、登记状态、住所和经营范围五维商业属性。同时，考虑到ICT供应链网络其他供应关系发生变化都会由网络拓扑进行传播扩散，进而影响当前供应商节点的关键性判断结果。因此，本发明提出一种结合网络拓扑和商业属性的ICT供应链关键节点识别方法，方法首先利用doc2vec算法抽取供应商节点公司类型、注册资本、登记状态、住所和经营范围五维属性的语义信息，然后采用Deepwalk算法从ICT供应链中构建节点的网络拓扑空间结构特征，最后将语义特征与网络拓扑结构特征拼接融合馈送到分类器中，实现关键节点的识别。

发明内容

本发明的目的是针对ICT供应链网络节点关键性受到节点本身公司类型、注册资本、登记状态、住所和经营范围五维商业属性和在网络中的拓扑结构的双重影响的问题，提出了融合ICT供应链网络拓扑和商业属性的关键节点识别模型。

本发明的涉及原理为：首先，利用doc2vec从句子嵌入得到ICT供应链网络供应商节点公司类型、登记状态、住所和经营范围四维商业属性的向量表示，同时将注册资本转化为归一化数值，并将这四维向量和注册资本归一化数值拼接得到融合五维商业属性的句子向量；其次利用Deepwalk算法得到ICT供应链网络节点拓扑嵌入向量；最后将融合五维商业属性的句子向量和ICT供应链网络节点拓扑嵌入向量进行向量拼接，并通过线性分类实现ICT供应链网络关键节点识别。

本发明的技术方案是通过如下步骤实现的：

步骤1，利用doc2vec模型得到融合ICT供应链网络供应商节点公司类型、注册资本、登记状态、住所和经营范围这五维商业属性的嵌入向量s₁。

步骤2，利用Deepwalk学习算法从拓扑信息得到节点拓扑嵌入向量s₂。

步骤2.1，初始化节点向量集Φ。

步骤2.2，对于样本集中的每一个节点v_i随机游走得到节点序列W_vi；