[发明专利]一种基于图卷积的社交网络对齐方法

摘要

本发明公开了一种基于图卷积的社交网络对齐方法，首先利用图卷积神经网络对社交网络中的用户关系进行网络嵌入，然后利用高斯核函数将嵌入空间升维，得到高维空间中节点的相似度矩阵，利用锚节点来表示非锚节点，得到两个社交网络最终的网络嵌入，再利用已知的锚节点信息来学习一个网络映射函数，最后利用该函数将两个社交网络中的节点进行对齐。本发明不需要提取大量的用户隐私信息，利用图形就能够很好地表示社交网络用户之间的社交关系。通过引入高斯核函数将嵌入空间升维，可以分离原始低维嵌入空间中不可分离的节点。利用已知锚节点来学习网络映射函数，可以大大地提高社交网络对齐的准确率，从而实现了一种优于现有方法的社交网络对齐方法。

主权项

1.一种基于图卷积的社交网络对齐方法，其特征在于包括以下步骤：S1，利用图卷积神经网络来对社交网络中的用户关系进行网络嵌入，得到能代表用户社交关系的网络嵌入，即为每一个用户节点生成包含用户社交关系信息的一个嵌入向量；S2，利用高斯核函数将嵌入空间映射到更高的维度，从而分离原始低维嵌入空间中不可分离的节点，计算升维后节点嵌入向量间的距离，并对嵌入向量的距离进行归一化处理得到高维空间中节点的相似度矩阵；S3，利用高维空间中节点的相似度矩阵，得到两个社交网络用已知锚节点表示非锚节点的网络嵌入，再利用已知的锚节点信息来学习一个网络映射函数；S4，得到网络映射函数之后，利用该函数将两个社交网络中的节点进行对齐。