[发明专利]一种基于带偏置随机游走的复杂网络特征提取方法

摘要

本发明提供了一种基于带偏置随机游走的复杂网络特征提取方法，包括构建复杂网络；对复杂网络中的所有节点的文本数据进行处理，得到所有节点的段落向量；将复杂网络中的任一节点作为初始节点；将初始节点作为当前节点，计算当前节点与当前节点的每个连接节点之间转移概率，采样并选取得到采样的转移概率所对应的连接节点，重复上述操作得到n个采样的转移概率所对应的连接节点，由初始节点和n个采样的转移概率所对应的连接节点构成复杂网络中任一节点的带偏置的随机游走序列，总共得到复杂网络中任一节点的r个带偏置的随机游走序列，最终得到所有节点的特征向量；本发明能够有效提高复杂网络特征提取的效率，提高了网络分析任务的精度。

主权项

1.一种基于带偏置随机游走的复杂网络特征提取方法，具体包括以下步骤：步骤1、构建复杂网络；其特征在于，还包括以下步骤：步骤2、对复杂网络中所有节点的文本数据进行训练，得到所有节点的段落向量；步骤3、将复杂网络中的任一节点作为初始节点，将初始节点作为当前节点；步骤4、以当前节点为处理对象，获取处理对象的前驱节点与处理对象的每个连接节点之间的结构搜索偏置；通过所有节点的段落向量，计算得到处理对象与处理对象的每个连接节点之间的文本权重偏置；通过处理对象的前驱节点与处理对象的每个连接节点之间的结构搜索偏置及处理对象与处理对象的每个连接节点之间的文本权重偏置，计算得到处理对象与处理对象的每个连接节点之间的转移概率；采用别名采样方法对处理对象与处理对象的每个连接节点之间的转移概率进行采样，得到采样的转移概率；选取得到所述采样的转移概率所对应的连接节点；将采样的转移概率所对应的连接节点作为当前节点；步骤5、重复执行步骤4n‑1(n>1)次，直至选取得到n‑1个采样的转移概率所对应的连接节点，此时共得到n个采样的转移概率所对应的连接节点；由初始节点和n个采样的转移概率所对应的连接节点构成所述复杂网络中任一节点的带偏置的随机游走序列；将初始节点作为当前节点；步骤6，重复执行步骤4‑5r‑1(r>1)次，直至得到所述复杂网络中任一节点的r‑1个带偏置的随机游走序列，此时共得到所述复杂网络中任一节点的r个带偏置的随机游走序列，从而得到所述复杂网络中所有节点的r个带偏置的随机游走序列；步骤7、将所述复杂网络中所有节点的r个带偏置的随机游走序列输入到Skip‑Gram模型，采用优化算法对Skip‑Gram模型进行优化，得到所有节点的特征向量。