[发明专利]链路预测方法和装置

说明书

本申请涉及机器学习技术领域，具体地公开了一种链路预测方法和装置，其中，该方法包括：获取训练网络集和算法标签集，其中，训练网络集包括多个社区网络中各社区网络的多个网络结构特征，算法标签集中包括训练网络集中的多个社区网络中各社区网络对应的链路预测算法标识；基于训练网络集和算法标签集，生成决策树模型，以利用决策树模型和目标社区网络的多个网络结构特征，确定目标社区网络对应的目标链路预测算法，并根据目标链路预测算法对目标社区网络进行链路预测。上述方案可以利用决策树模型根据目标社区网络的网络结构特征确定出适合该社区网络的评分链路预测算法，可靠性高，可以节约人力成本和时间成本。

技术领域

本申请涉及机器学习技术领域，特别涉及一种链路预测方法和装置。

背景技术

随着互联网技术的蓬勃发展以及高速稳定的网络服务不断普及，网站体验日益提升，多媒体互动功能不断革新、完善和发展。目前，越来越多的企业都建立了在线品牌社区，品牌社区可以将企业分散的目标客户精准地聚集在一起，有利于开展有的放矢的营销活动，逐渐成为企业进行营销活动的新载体以及与客户建立强大和持久关系的工具。大量的消费者研究早已表明，群体可以影响个人的消费决策，在线品牌社区中的用户成员往往会受到朋友群体的影响。基于朋友群体影响的个性化营销指的是在品牌社区中将热衷于使用某类产品的使用者推荐给目标客户，利用群体影响效应对目标客户进行产品营销，从而大大提高品牌社区营销效率。

评分链路预测算法(SLPA，Score Link Prediction Algorithm)基于网络拓扑结构预测网络中节点对间是否存在链接，是朋友推荐的主要手段。尽管SLPA已被广泛用来进行朋友推荐，例如，共同邻居算法(CN)、大度节点有利指标算法(HPI)、资源分配算法(RA)，但是目前还没有一个适合所有网络社区结构的模型，故有必要考虑多个候选SLPA，并根据网络特征选择最好的，但这是一项复杂工作，需借助大量的专家经验。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种链路预测方法和装置，以在多种候选评分链路预测算法中选择出适用于特定网络的评分链路算法。

本申请实施例提供了一种链路预测方法，包括：获取训练网络集和算法标签集，其中，训练网络集包括多个社区网络中各社区网络的多个网络结构特征，算法标签集中包括训练网络集中的多个社区网络中各社区网络对应的链路预测算法标识；基于训练网络集和算法标签集，生成决策树模型，以利用决策树模型和目标社区网络的多个网络结构特征，确定目标社区网络对应的目标链路预测算法，并根据目标链路预测算法对目标社区网络进行链路预测。

本申请实施例还提供了一种链路预测装置，包括：获取模块，用于获取训练网络集和算法标签集，其中，训练网络集包括多个社区网络中各社区网络的多个网络结构特征，算法标签集中包括训练网络集中的多个社区网络中各社区网络对应的链路预测算法标识；生成模块，基于训练网络集和算法标签集，生成决策树模型，以利用决策树模型和目标社区网络的多个网络结构特征，确定目标社区网络对应的目标链路预测算法，并根据目标链路预测算法对目标社区网络进行链路预测。

本申请实施例还提供一种计算机设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述任意实施例中所述的链路预测方法的步骤。

本申请实施例还提供一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述任意实施例中所述的链路预测方法的步骤。