[发明专利]一种基于方向感知的网络嵌入算法和系统

说明书

一种基于方向感知的有向网络嵌入算法，包括：S1，计算非对称临近性，具体包括：为有向网络中的随机游走策略定义单步概率，将随机游走中的单步方向与临近性信息保存在权重中，计算节点之间分数；S2，建立有向网络嵌入，具体包括：计算得到节点之间的非对称临近性后，建立定性有向网络嵌入DNE‑L将节点之间离散的非对称临近性保留在嵌入网络中，计算得到节点之间的非对称临近性后，建立定量有向网络嵌入DNE‑T将节点之间离散的非对称临近性保留在嵌入网络中，优化模型。本发明还包括实施一种基于方向感知的有向网络嵌入算法的系统。本发明对真实网络中的实际问题有更好的解释性，将离散的和连续的有向网络嵌入都有效地保留在了嵌入空间中。

技术领域

本发明涉及机器学习，特别涉及一种基于方向感知的有向网络嵌入算法和系统。

背景技术

网络嵌入算法的目的是将现有网络中的节点嵌入到低维向量空间中，以便更好地理解节点之间的语义关系。现有的网络嵌入算法通过确定性度量或者随机游走来保留相似性，现有的网络嵌入算法主要集中在处理无向网络上。对于有向嵌入网络，通常的解决方案是忽略有向网络中边的方向，将无向网络嵌入算法应用于变换后的网络。然而，这可能导致信息丢失，更有可能学习到错误的嵌入结果。

由于真实网络中的边往往与方向有关，因此有向网络嵌入算法受到了关注。有向边表示了网络中节点之间的非对称临近性，这种潜在的非对称的邻近性是有向网络的关键特征，需要使用网络嵌入算法来保留。虽然现有的一些方法试图保留有向图中的非对称临近性，但是它们所获取的非对称临近性所表达的意义是不明确的。因此，获取非对称临近性并有效地将其保存在嵌入空间中，并使其对真实网络具有实用性意义面临了重大的挑战。

发明内容

本发明要解决的现有技术的上述缺点，提供一种基于方向感知的有向网络嵌入算法及其系统。

本发明意图在有向网络中获取非对称临近性并有效地保存在嵌入空间中，并在真实网络的链接预测和节点分类任务中达到更好的效果。

为实现上述目的，本发明采用如下技术方案：一种基于方向感知的有向网络嵌入算法，包括：

S1：计算非对称临近性；

S1a：为有向网络中的随机游走策略定义单步概率，单步概率公式如下：

其中，P表示随机游走的单步概率，表示从v_i开始的随机游走的第k步，表示节点a的外邻节点的数量，表示节点a的内邻节点的数量，E_ab＝1表示从a到b存在一条有向边；

S1b：将随机游走中的单步方向与临近性信息保存在权重中，单步权重公式如下：

其中，r_i，i+1＝1表示沿边方向的随机游走，r_i，i+1＝-1表示沿边的反方向的随机游走，r_i，i+1＝0表示节点v_i和v_i+1之间两个方向都存在有向边；

S1c：计算节点之间分数，用来表示节点之间的非对称临近性，公式如下：

其中，r_j，j+1是步长权重j，1/k用于归一化来自步骤次数的影响。

S2：建立有向网络嵌入；

S21：计算得到节点之间的非对称临近性后，建立定性有向网络嵌入DNE-L将节点之间离散的非对称临近性保留在嵌入网络中：

S21a：定义有向图上下文观察概率，即在非对称临近性为s_u，v的节点u的有向图上下文中，观察到节点v的概率。根据节点之间的方向性选择不同的概率公式：