[发明专利]一种融合多空间特征的网络对齐模型及其应用

说明书

本发明公开一种融合多空间特征的网络对齐模型，所述模型通过网络中节点的锚链接预测判断其余节点是否为现实世界同一实体，采用多空间表示学习获得到每个节点的欧氏空间嵌入表示和双曲空间嵌入表示；通过跨空间映射将两个网络欧氏空间和双曲空间的嵌入分别映射至相同几何空间的潜在空间中；通过跨空间融合：基于映射之后的网络嵌入，对每个网络的欧氏空间网络嵌入和双曲空间网络嵌入进行融合，以促进两个几何空间之间的信息交互，达到捕捉不同结构特征的目的；通过锚链接预测完成网络对齐任务，本发明解决了现有基于网络表示学习的网络对齐方法大多采用欧氏空间的网络表示嵌入，没有考虑到欧氏空间对于结构复杂的现实世界网络嵌入效果不好的问题。

技术领域：

本发明属于数据挖掘领域，是一种融合多空间特征进行网络对齐的方法。

背景技术：

随着在线社交平台的兴起，人们往往会同时加入多个社交网络，研究人员希望从更高的视角，利用多源网络挖掘更多的领域信息，此类需求催生出了网络对齐这一研究方向。随着相关研究的发展，网络对齐已经在许多应用中发挥着重要作用，例如跨社交网络推荐、蛋白质间的相互作用匹配以及模式识别等。

网络对齐旨在通过找到多个网络中的等价实体，将不同网络进行链接，给研究人员提供更高维度的数据分析视角。现有方法大多在欧氏空间中利用网络表示技术进行网络对齐，可以很好地捕捉较为规则的网络结构特征，但欧氏空间网络表示难以准确刻画真实世界中网络的层级结构特点，而新兴的双曲空间网络表示则较为擅长捕捉网络的层级结构特征。针对此类问题，我们利用多空间网络表示学习来获取欧氏空间和双曲空间的嵌入特征，更全面地对网络结构进行建模。同时利用特征融合促进跨空间信息交互，以更好的对节点身份进行表征，提升网络对齐中节点匹配的准确率。我们提出了一种跨越多个属性网络进行异常对齐的方法,解决了现有网络对齐方法无法准确捕捉网络层级结构以及低维空间对齐效果不理想等问题。

发明内容：

为克服现有技术的不足，本发明提出一种融合多空间特征的网络对齐方法。网络对齐旨在找到不同网络之间的对应关系，通过真实世界中同一实体在不同网络中的相应节点来对不同社交网络进行链接，从而给研究人员提供更高维度的数据分析视角。本发明主要目的是挖掘多个网络中对应现实世界相同实体的不同节点，利用网络表示学习得到的节点特征将其对应起来，从而链接多个网络。例如在多个社交网络中，通过本方法可以挖掘出部分网络中的匿名账号，从而帮助有关部门掌握不良分子的行为信息。

本发明采用如下技术方案予以实施：

一种融合多空间特征的网络对齐模型，所述模型通过网络中节点的锚链接预测判断其余节点是否为现实世界同一实体，所述模型通过如下步骤实现：

多空间表示学习：给定两个输入网络G^s和G^t，同时学习网络空间中的规则结构和层级结构特征，对原始网络在不同几何空间上进行卷积来获取网络中节点的邻居信息，得到每个节点的欧氏空间嵌入表示和双曲空间嵌入表示：

跨空间映射：由于两个网络G^s和G^t的嵌入表示是在不同潜在空间分别学习的，空间分布会有差异，将两个网络欧氏空间和双曲空间的嵌入分别映射至相同几何空间的潜在空间中；

跨空间融合：基于映射之后的网络嵌入，对每个网络的欧氏空间网络嵌入和双曲空间网络嵌入进行融合，以促进两个几何空间之间的信息交互，达到捕捉不同结构特征的目的；

锚链接预测：为了完成网络对齐任务，采用一个多层感知机来预测任意一对来自G^s和G^t的节点对之间是否存在锚链接。

本发明还可以采用如下技术方案予以实施：

一种融合多空间特征的网络对齐模型应用，

将欧式空间网络和双曲空间网络嵌入已知网络的锚节点中进行多空间网络结构表示；