[发明专利]基于隐空间的符号链接预测方法

权利要求书

1.基于隐空间的符号链接预测方法，对于到符号的社会网络，其特征在于如下步骤：

(1)根据共同邻居指标和带符号网络的邻接矩阵计算带符号网络中节点之间的权重，得到权重矩阵w；

(2)要得到方法最终需要优化的隐空间矩阵H和相对应的映射矩阵u，包括：

(2-1)将网络G分成只包含正边和只包含负边的两个子网络G^p，Gⁿ；

(2-2)求出上述两个子网络对应的邻接矩阵A^p和Aⁿ；

(2-3)初始化子网络G^p的隐空间H^p和相对应的映射矩阵u^p；

(2-4)初始化子网络Gⁿ的隐空间Hⁿ和相对应的映射矩阵uⁿ；

(2-5)根据隐空间矩阵和相对应的映射矩阵得出要优化的目标函数L(H^p，u^p，H^p，uⁿ)；

(3)分别固定H^p，u^p，Hⁿ，uⁿ其中的三项，求出H^p，u^p，Hⁿ，uⁿ的优化迭代公式；

(4)根据得到的优化迭代公式对H^p，u^p，Hⁿ，uⁿ同时进行迭代更新；

(5)根据迭代后的H^p，u^p，Hⁿ，uⁿ的最优值，对链接存在的可能性和符号做出预测。

2.根据权利要求1所述的基于隐空间的符号链接预测方法，其特征在于所述步骤(1)将带符号的邻接矩阵A，为了考虑网络的平衡性，运用顶点对v_i和节点v_j之间共同邻居指标得到节点之间的权重对于v_i及v_j，若边(v_i，v_k)与边(v_k，v_j)同时存在，其中分子反映了(v_i，v_j)在尽量平衡的条件下，v_i和v_j之间应取什么符号，且绝对值越大，取该符号的边出现的概率越大。

3.根据权利要求1所述的基于隐空间的符号链接预测方法，其特征在于所述步骤(2)网络G＝(V，E)设想成由G^p＝(V，E^p)，Gⁿ＝(V，Eⁿ)两个网络构成，其中E^p∪Eⁿ＝E分别是正负边的集合，G^p和Gⁿ的邻接矩阵分别是A^p及Aⁿ，且A＝A^p-Aⁿ，设想G^p和Gⁿ分别有一个隐空间H^p、Hⁿ，到隐空间的映射分别为u^p和uⁿ；这里H^p、Hⁿ、u^p、uⁿ皆为n*k(k＜n)阶矩阵，为此，得到需要优化的目标函数L(H^p，Hⁿ，u^p，uⁿ)。

4.根据权利要求1所述的基于隐空间的符号链接预测方法，其特征在于所述步骤(3)根据需要优化的目标函数L(H^p，Hⁿ，u^p，uⁿ)，分别固定H^p，u^p，Hⁿ，uⁿ其中的三项，求出H^p，u^p，Hⁿ，uⁿ的优化迭代公式。