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:山西大学
摘要:本发明公开一种基于随机扰动的可解释性潜在合作关系预测方法及装置,包括:获取目标作者对i,j的合作者,构建合作者网络并得到合作者网络邻接矩阵输入到合作关系预测模型;对合作者网络多次删除不同的一条边,将每次删边后与原来未进行删边进行比较模型误差,得到每条边的贡献值和对预测最重要的前k条边,得到初始化的边扰动矩阵,与合作者网络邻接矩阵点乘得到新的邻接矩阵输入合作关系预测模型,计算扰动前后损失差值;重复S4和S5多次,对损失差值进行排序,得到最优的边扰动矩阵,与合作者网络邻接矩阵点乘,得到最优的邻接矩阵输入合作关系预测模型,得到最终i和j未来是否存在合作关系的预测结果。本发明能够可解释性地预测目标作者对未来是否存在合作关系。
主权项:1.一种基于随机扰动的可解释性潜在合作关系预测方法,其特征在于,所述方法包括:S1、获取目标作者对i,j的合作者,根据所述目标作者对i,j和合作者两两之间的合作关系,构建合作者网络,并得到合作者网络邻接矩阵,所述合作者网络包括节点和边,所述节点表示各个作者,所述边表示连接这条边的两个节点的作者有过合作关系;S2、将所述合作者网络邻接矩阵输入到构建好的合作关系预测模型,得到i和j未来是否存在合作关系的原始预测结果;S3、对所述合作者网络多次删除不同的一条边,将对应的每次删边后的合作者网络邻接矩阵输入到所述合作关系预测模型,将每次删边后与原来未进行删边进行比较模型误差,得到每条边的贡献值,进而得到所述合作者网络中对预测最重要的前k条边;S4、根据所述前k条边,得到初始化的边扰动矩阵;S5、将所述边扰动矩阵与原始的合作者网络邻接矩阵点乘,得到新的邻接矩阵,将所述新的邻接矩阵输入所述合作关系预测模型,计算扰动前后损失差值;S6、重复S4和S5多次,对损失差值进行排序,得到最优的边扰动矩阵,将最优的边扰动矩阵与原始的合作者网络邻接矩阵点乘,得到最优的邻接矩阵,将最优的邻接矩阵输入所述合作关系预测模型,得到最终i和j未来是否存在合作关系的预测结果。
全文数据:
权利要求:
百度查询: 山西大学 基于随机扰动的可解释性潜在合作关系预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。