买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明提供一种基于融合Node2vec与Struc2vec的两级Stacking链路预测方法，属于复杂网络分析领域。该方法采用了Node2vec和Struc2vec算法来提取节点特征并构建连边特征向量，该特征向量可以充分学习网络节点近邻相似性和结构相似性信息，然后这些向量被用作链接预测方法的输入。针对单一机器学习算法在链路预测中精度不高的问题，将SVM、XGBoost和MLP作为基分类器，LogisticRegression作为二层分类器构成了整个Stacking方法。在多个真实网络中进行试验，通过评估指标比对分析了方法及其基分类器效能，验证了集成学习算法的有效性，可以在整体上提升预测精度。

主权项：1.一种基于网络表示学习的链路预测方法，其特征在于,该方法具体包括以下步骤:步骤1：数据集预处理1设GV,E表示无向图，其中V代表节点集合，|V|表示节点总数，E表示所有链接的集合，|E|表示链接的总数，|U|表示所有可能的链接数，其中则不存在的链接集合为U-E。2在无向图GV,E中，将所有已知链接E都视为正样本，相反不在图中的链接U-E视为负样本。一般来说，数据集中负样本的数量远远大于正样本。这种不平衡可能会导致模型对数量较多的类别学习得更好，而对数量较少的类别学习不足，影响模型在未知数据上的泛化能力。因此，为保证正样本和负样本的数量相同，随机选择了相同数量的负样本进入数据集Em。3将数据集Em分为两部分：训练集EmP与测试集EmT。EmP用于输入至Node2vec与Struc2vec模型训练节点嵌入，EmT用于网络节点间可能出现的链接预测。为了减少由于数据集划分不合理而引起的模型评估偏差，采用k-fold交叉验证，具体步骤如下：1将数据集Em分成k个近似大小的互斥子集。2对于每个子集i，在剩余的k-1个子集上训练模型即EmP，并在第i个子集即EmT上进行验证。3计算模型在每次验证上的性能指标，包括准确率、AUC值、F1分数、精确度和召回率。4对k次验证的结果取平均值，作为模型的最终性能评估指标。4采用了五个标准的评估指标来量化算法的预测性能：准确率、AUC值、F1分数、精确度和召回率。使用的评估指标的数学计算解释如下：TP表示真阳性：模型将存在链接预测为正类别的样本数。TN表示真阴性：模型将不存在链接预测为负类别的样本数。FP表示假阳性：模型将不存在链接预测为正类别的样本数。FN表示假阴性：模型将存在链接预测为负类别的样本数。准确率：模型正确分类的样本数占总样本数的比例，计算公式为： AUC值：ROC曲线下的面积，取值范围为0.5到1，值越大表示分类器性能越好，计算公式为： 其中，n0和n1分别是节点对有链接和无链接的个数，S0＝∑ri，其中ri是排名列表中第i个存在链接的节点对的排名。F1分数：精确度和召回率的调和平均数，F1分数越高表示模型在精确度和召回率之间取得了更好的平衡，计算公式为： 精确度：在所有被分类为正类别的样本中，实际为正类别的样本数占总被分类为正类别的样本数的比例，计算公式为： 召回率：在所有实际为正类别的样本中，被正确分类为正类别的样本数占总实际为正类别的样本数的比例，计算公式为： 步骤2：利用Node2vec算法与Struc2vec算法分别对网络进行节点嵌入1Node2vec首先进行随机游走采样得到随机游走序列，给定当前节点v，访问下一节点k的概率如式6所示： 其中πvk表示节点v和节点k之间的未归一化转移概率，Z是归一化常数。然后引入可以控制回溯率的超参数p和q控制偏向广度优先采样还是深度优先采样，实现有偏向性地控制随机游走节点采样。假设一个随机游走路径刚经过边s,v，现在停留在节点v，设置πvk＝αpqs,kωvk，其中ωvk是节点v和节点k之间的权重，αpqs,k如式7所示： 其中dsk表示节点s和节点k之间的最短路径距离，对于上一节点为s的节点v。若p＜1q＞1则游走偏广度优先遍历，着重刻画局部信息；若p＞1q＜1则游走偏深度优先遍历，着重刻画全局信息。偏置参数的添加虽增加了算法的计算量，但使算法拥有了更高的可扩展性。接着将在网络上进行随机游走得到的节点序列看作Word2vec中的文本语料库，再经过skip-gram模型训练生成节点的向量表示。2同理，Struc2vec考虑两个节点的k跳邻域，计算节点u和节点v的结构距离表达式为： 其中，sS为对某个节点集合S中的节点按照度的从小到大顺序排序后形成的序列，gD1,D2表示两个有序的序列D1,D2的距离，sRku,sRkv分别表示与节点u和节点v距离为k的节点按照度大小排序后的度序列。节点对结构距离越小，那么节点对就越相似。针对任意节点u和v生成相同维度为d的低维稠密向量Nu、Su和Nv、Sv。3将两种嵌入向量Nu和Su串联起来作为节点u的最终表示向量Eu，同样节点v的最终表示向量为Ev，再将Eu和Ev做Hadamard运算得到节点u，v的边表示向量Euv。Hadamard旨在将两个相同大小的向量逐元素相乘，即算公式为： 4将边向量Euv输送到下一个阶段，并将这些表示视为一级分类器的输入。步骤3：两级Stacking框架搭建1使用集成学习中的Stacking模型，先训练三个一级分类器。在这个阶段，使用的分类器包括Xgboost、SVM和MLP，每个分类器将生成一个输出。具体步骤为：1训练Xgboost分类器：使用边向量Euv作为特征，将每条边的类别作为标签，训练Xgboost分类器。默认参数设置：树的最大深度max_depth设为3，学习率learning_rate设为0.1，决策树的数量n_estimators设为100，其他参数使用默认值或者默认策略。2训练SVM分类器：同样使用边向量Euv作为特征，将每条边的类别作为标签，训练SVM分类器。默认参数设置：惩罚参数C设为1.0，核函数kernel设为rbf，核系数gamma设为scale。3训练MLP分类器：使用边向量Euv作为输入特征，将每条边的类别作为标签，训练MLP分类器。默认参数设置：激活函数activation设为relu，优化算法solver设为adam，L2正则化参数alpha设为0.0001，初始学习率learning_rate_init设为0.001，最大迭代次数max_iter设为200。4分别使用训练好的Xgboost、SVM和MLP分类器，对每条链接进行分类预测，得到三个一级分类器的输出结果。2将三个一级分类器的预测值组合起来作为特征集，使用逻辑回归LR对训练集EmP进行训练并对测试集EmT来进行最终的预测。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于网络表示学习的链路预测方法