[发明专利]一种跨网络的锚链接确定方法、装置、设备及介质

说明书

本公开实施例涉及一种跨网络的锚链接确定方法、装置、设备及介质，其中该方法包括：通过预设的强化学习模型对关系网络中当前对象节点的连接关系进行学习，得到当前对象节点在该关系网络中的最优网络模体；将各对象节点对应的最优网络模体输入至超图卷积网络，通过超图卷积网络生成各对象节点的对象向量；确定任意两个关系网络的对象向量对应的对象节点之间的锚链接。本公开能够得到效果更好的最优网络模体，更适用于现实中复杂的关系网络，进而能够提高锚链接确定结果的准确性。

技术领域

本公开涉及网络分析技术领域，尤其涉及一种跨网络的锚链接确定方法、装置、设备及介质。

背景技术

关系网络通常由个人、组织等实体对象组成，这些对象通过某些特定类型的相互依赖性(如社交关系、利益关系等)产生关联。在数据挖掘研究领域中，通常将同一对象在两个不同关系网络之间的对象对齐问题，称为锚链确定的问题。跨网络的锚链接确定能够对不同关系网络的对象信息进行挖掘，这对跨网络对象的行为分析、社交推荐等多方面具有重要意义。

在传统的跨网络锚链接确定的方式中，需要人为定义各个关系网络中的网络模体，而后基于对象节点的对象向量，去确定来自不同关系网络的任意两个对象节点的锚链接。然而，人为定义网络模体方式，难以确保网络模体的采样效果；而且，异构关系网络中定义的网络模体需要完全一致，才能够保证对象节点的对象向量具有相同的语义。因此，现有确定方式实用性较差，锚链接确定结果的准确性较低。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种跨网络的锚链接确定方法、装置、设备及介质。

本公开实施例提供了一种跨网络的锚链接确定方法，所述方法包括：

将任一关系网络中的多个对象节点逐一作为当前对象节点，通过预设的强化学习模型对该关系网络中所述当前对象节点的连接关系进行学习，得到所述当前对象节点在该关系网络中的最优网络模体；其中，所述最优网络模体是由所述当前对象节点和多个关联节点组成的拓扑结构，且所述关联节点是与所述当前对象节点具有连接关系的其它对象节点；将各所述对象节点对应的所述最优网络模体输入至超图卷积网络，通过所述超图卷积网络生成各所述对象节点的对象向量；确定任意两个关系网络的所述对象向量对应的对象节点之间的锚链接。

可选的，所述通过预设的强化学习模型对该关系网络中所述当前对象节点的连接关系进行学习，得到所述当前对象节点在该关系网络中的最优网络模体，包括：将所述关系网络中的当前对象节点作为初始网络模体；其中，所述当前对象节点中携带对象的属性信息；基于所述初始网络模体，并通过预设的强化学习模型对该关系网络中所述当前对象节点的连接关系进行学习，获取中间网络模体和所述中间网络模体的回报；将回报最大的所述中间网络模体确定为最优网络模体。

可选的，所述基于所述初始网络模体，并通过预设的强化学习模型对该关系网络中所述当前对象节点的连接关系进行学习，获取中间网络模体和所述中间网络模体的回报，包括：

在通过强化学习模型对该关系网络中当前对象节点的连接关系进行学习的过程中，基于所述初始网络模体执行动作策略，生成所述动作策略对应的新拓扑结构；以及，根据预设的评价指标确定所述新拓扑结构的中间态回报；其中，所述评价指标包括：所述新拓扑结构中对象节点的数量、所述初始网络模体游走采样的采样长度和当前元路径长度；在通过所述强化学习模型对该关系网络中当前对象节点的连接关系进行学习后，获取中间网络模体；以及，基于所述中间网络模体，确定任意两个关系网络的对象节点之间的锚链接，并将确定结果确定为终点态回报；基于所述中间态回报和所述终点态回报确定所述中间网络模体的回报。

可选的，所述方法还包括：

获取多个第一关系网络，并将各个所述第一关系网络逐一作为当前关系网络；所述通过预设的强化学习模型对该关系网络中所述当前对象节点的连接关系进行学习，包括：通过预设的强化学习模型对所述当前关系网络中的当前对象节点的连接关系进行学习。