CN113297500B - 一种社交网络孤立节点链接预测方法 - Google Patents

Abstract

本发明属于社交网络链接预测技术领域，具体涉及一种社交网络孤立节点链接预测方法。本发明针对社交网络链接预测中的孤立节点预测任务，提供了采用辅助信息进行的半监督链接预测的一种社交网络孤立节点链接预测方法。本发明通过已知网络中节点的属性向量与拓扑向量学习一个映射模型；利用此模型将待预测节点的属性向量映射成拓扑向量；基于半监督的生成对抗网络并使用待预测节点的拓扑向量与当前网络节点的拓扑向量完成链接预测任务，并在社交数据集上验证模型的可行性和优势。本发明可用于处理在社交网络链接预测过程中孤立节点的预测问题，并在预测过程中一定程度上摆脱对含标签样本的依赖。

Description

一种社交网络孤立节点链接预测方法

技术领域

本发明属于社交网络链接预测技术领域，具体涉及一种社交网络孤立节点链接预测方法。

背景技术

伴随计算机软硬件水平的进步与网络与通信手段的不断发展，诞生了许多优秀的社交网络应用，并逐步地渗入到人们生活的方方面面。由于使用人数常年呈几何倍数增长，这些平台都累积了巨量的数据，通过对这些数据进行分析可以产生对于生产与生活十分有用的信息。在国外，人们通常使用Twitter和Facebook与朋友聊天，分享自己的生活状态；同时使用LinkedIn进行职场人脉扩展，技术经验交流和获取公司信息等活动。在国内，人们通常使用微博浏览各类热点新闻，进行点赞、转发和发表评论等活动，也可以关注其他人的账号，获取被关注账号的最新动态。与此同时，QQ和微信为人们提供基于好友间的实时信息交流和文本内容浏览等功能。社交网络提供了很多应用服务，包括朋友推荐、产品推荐、知识网络构建等，实现此类服务的核心过程是准确地挖掘社交网络中的各种实体之间的关系。这个过程可称为社交网络实体链接预测，下文中简称为链接预测。

链接预测的一类方法是基于最大似然估计的。Newman、Clauset和Moore认为链接可以看作是内在层次结构的反映，他们在此设想的基础上提出了一种最大似然估计的算法来进行链接预测。这种方法适用于有明显层次组织的网络，如家族关系网络或者局部环境下的食物链网络。另一类方法是利用节点属性的预测方法。Heaukulani等人通过直接提取与节点相关的特征信息作为随机森林的输入来进行分类。O’Madadhain等人认为已有的相似性度量并不能完全的适用于所有网络，因此提出了采用度量学习的方法来生成节点属性之间的一个度量，进而预测节点之间存在链接的可能性。

除此之外有些学者提出了基于节点相似度的链接预测方法。基于节点相似性的链接预测方法通常基于如下假设：如果两个节点的相似性越高，则这两个节点之间存在链接的可能性越大。此类方法的核心思路基于特定描述点对相似度的指标的阈值，判断点对是否为链接。

因而很多学者提出了不同的相似性指标来进行度量节点的相似性，常用的有共同邻居、余弦相似度、Jaccard系数等。最早使用的相似度评价指标是共同邻居，共同邻居是指如果两个节点存在较多的共同邻居，那么可以认为这两个节点有着较强的相似性。许多链接预测相关研究都是在基于共同邻居相似性指标的基础上改进的。Jaccard提出了Jaccard系数应用于链接预测中。近年来的链接预测相似性指标的研究已经有了各种各样的版本，成功应用到各种网络的链接预测中。

随着机器学习的发展，也有部分学者提出了基于机器学习的链接预测算法。AlHasan M等人将机器学习的支持向量机(SVM)模型应用到链接预测中，并在DBLP和BIOBASE和两个数据集上进行实验验证，证明了支持向量机模型相对于其他机器学习算法的有效性。Hasan等人在真实的数据集上使用多个不同的分类算法进行链接预测实验，大部分都取得了较好的实验效果，也证明了采用监督学习的链接预测算法的可行性。

但是在以上提到的链接预测算法的发展中，研究者将大多聚焦于在一个完整网络上进行链接预测的问题。但是在现实世界中的需求有时可以抽象出这样一个任务，即预测孤立节点与当前网络可能存在的关系。这对提高社交网络服务质量有着重要的意义，有着很强的现实应用背景。此类任务最大的困难在于如何获得待预测的节点的拓扑信息和其它辅助信息。其中节点的拓扑信息指该节点与网络中其他节点的链接关系；而辅助信息包括，如该节点的用户画像(User profile)，文本，推文等。由于大多数社交网络在用户首次使用时首先需要用户进行注册，因此社交网络平台在这些新加入的用户未与其他用户建立联系之前，可以先获得以上辅助信息，如用户画像等。因此根据新用户的这种行为方式，我们可以通过利用这些初始的辅助信息来对用户未来可能存在的链接关系进行预测。

除去链接预测任务在实际应用中可能会遇到孤立节点预测任务的问题外，基于有监督学习的社交网络链接预测模型，依赖训练数据集的标签质量，这会给算法带来高昂的代价。而半监督模型可以在使用少量标签的数据集中高效地完成模型训练，因而采用半监督学习的模型可以更好的适用于链接预测任务。

发明内容

本发明的目的在于提供一种社交网络孤立节点链接预测方法。

本发明的目的通过如下技术方案来实现：包括以下步骤：

步骤1：输入社交网络的当前网络拓扑结构，采用网络嵌入算法为当前网络中的节点生成嵌入向量；

步骤2：收集当前网络节点的属性向量，并使用各个节点的属性向量与其嵌入向量学习一个多层感知机MLP所构成的映射模型；

设用户的属性向量维度为D，用户嵌入向量的维度为d，则显然多层感知机输入层的神经元数量为D，输出层的神经元数量为d；设输入的用户属性向量为X＝[x₁,x₂,x₃,...,x_D]，多层感知机可以看作一个函数f_MLP(x)，则输入向量经过多层感知机的输出为：

X'＝[x'₁,x'₂,...,x'_d]＝f_MLP(X)

为了模型能够很好的将属性向量映射到嵌入向量，采用均方误差作为损失函数，设对应用户的嵌入向量为Y＝[y₁,y₂,...,y_d]，则模型的损失函数为：

步骤3：收集孤立节点的属性向量，并使用以上所学习的多层感知机映射模型学习得到孤立节点的潜在嵌入向量；

步骤4：将孤立节点的嵌入向量与网络中当前节点的嵌入向量拼接，并部分赋予标签形成机器学习的样本；

步骤5：构建半监督生成对抗网络；

步骤6：采用半监督生成对抗网络从样本中学习得到一个半监督链接预测模型，并用其进行链接预测；

在得到孤立节点的嵌入向量后，通过拼接两个用户的向量来构成半监督生成对抗网络的输入；设用户u₁的嵌入向量为[x₁,x₂,...,x_d]；用户u₂的嵌入向量为[y₁,y₂,...,y_d]，则半监督生成对抗模型的输入为[x₁,x₂,...,x_d,y₁,y₂,...,y_d；L]，其中L表示标签，用以表示两个用户对之间是否存在链接关系；用户可以是当前网络已有的节点也可以是孤立节点，且输入的节点对向量并不都有标签；

由于存在3类预测结果：真实数据、生成数据与带标签数据，因此改变判别器的输出形状，将单标量的输出改做一个三维向量的输出：[Link,Unlink,Fake]；其中，Link表示用户之间有链接存在；Unlink表示不存在链接；Fake表示生成样本；

判别器的损失函数采用监督损失与半监督损失之和：

L_D＝L_supervised+L_unsupervised

生成器的损失函数为：

L_G＝L_adversarial+L_feature

L_adversarial＝-E_x～g(x)log[1-D(y|x,y＝K+1)]

在半监督链接预测模型中，生成器和判别器全部采用全连接网络，为了防止模式崩溃的现象和过拟合问题的出现，采用了批正则化和dropout技术，生成器和判别器采用对称结构。

本发明的有益效果在于：

本发明针对社交网络链接预测中的孤立节点预测任务，提供了采用辅助信息进行的半监督链接预测的一种社交网络孤立节点链接预测方法。本发明通过已知网络中节点的属性向量与拓扑向量学习一个映射模型；利用此模型将待预测节点的属性向量映射成拓扑向量；基于半监督的生成对抗网络并使用待预测节点的拓扑向量与当前网络节点的拓扑向量完成链接预测任务，并在社交数据集上验证模型的可行性和优势。本发明可用于处理在社交网络链接预测过程中孤立节点的预测问题，并在预测过程中一定程度上摆脱对含标签样本的依赖。

附图说明

图1为多层感知机的映射模型图。

图2为半监督生成对抗网络的模型图。

图3为半监督孤立节点预测的模型的整体结构图。

图4为生成对抗网络的设置表。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明涉及的是社交网络链接预测领域，具体涉及社交网络中孤立节点的预测方法。本发明的目的在于处理在社交网络链接预测过程中孤立节点的预测问题，并在预测过程中一定程度上摆脱对含标签样本的依赖。

本发明的目的是这样实现的：

步骤1、输入社交网络的当前网络拓扑结构，采用某种网络嵌入算法为当前网络中的节点生成嵌入向量；

步骤2、收集当前网络节点的属性向量，并使用各个节点的属性向量与其嵌入向量学习一个多层感知机(MLP)所构成的映射模型；

步骤3、收集孤立节点的属性向量，并使用以上所学习的多层感知机映射模型学习得到孤立节点的潜在嵌入向量；

步骤4、将孤立节点的嵌入向量与网络中当前节点的嵌入向量拼接，并部分赋予标签形成机器学习的样本；

步骤5、构建半监督生成对抗网络；

步骤6、采用生成对抗网络从样本中学习得到一个半监督链接预测模型，并用其进行链接预测。

本发明针对社交网络链接预测中的孤立节点预测任务提出了采用辅助信息进行的半监督链接预测的模型。首先通过已知网络中节点的属性向量与拓扑向量学习一个映射模型，利用此模型将待预测节点的属性向量映射成拓扑向量。基于半监督的生成对抗网络并使用待预测节点的拓扑向量与当前网络节点的拓扑向量完成链接预测任务，并在社交数据集上验证模型的可行性和优势。

实施例1：

1.节点属性向量与嵌入向量的映射

将网络中已经存在的节点记为u₁～u_N1，其同时具备属性向量和网络结构信息，因此在本发明中首先采用网络嵌入算法为u₁～u_N1各个节点生成嵌入向量；随后通过节点的嵌入向量和属性向量学习一个映射，该映射能够很好的将节点的属性向量转化为对应的嵌入向量，本发明的映射模型选用多层感知机(Multi-Layer Perceptron，MLP)，如附图1所示。

设用户的属性向量维度为D，用户嵌入向量的维度为d，则显然多层感知机输入层的神经元数量为D，输出层的神经元数量为d；设输入的用户属性向量为X＝[x₁,x₂,x₃,...,x_D]，多层感知机可以看作一个函数f_MLP(x)，则输入向量经过多层感知机的输出为：

X'＝[x'₁,x'₂,...,x'_d]＝f_MLP(X) (1)

为了模型能够很好的将属性向量映射到嵌入向量，本发明采用均方误差作为损失函数，设对应用户的嵌入向量为Y＝[y₁,y₂,...,y_d]，则模型的损失函数为：

2.基于生成对抗网络的半监督链接预测方法

在得到孤立节点的嵌入向量后，本发明通过拼接两个用户的向量来构成半监督生成对抗网络的输入。设用户u₁的嵌入向量为[x₁,x₂,...,x_d]；用户u₂的嵌入向量为[y₁,y₂,...,y_d]，则本发明中半监督生成对抗模型的输入为[x₁,x₂,...,x_d,y₁,y₂,...,y_d；L]，其中L表示标签，用以表示两个用户对之间是否存在链接关系。用户可以是当前网络已有的节点也可以是孤立节点，且输入的节点对向量并不都有标签。

在生成对抗网络模型诞生以后，有学者通过不同的技术角度试图通过生成对抗网络来完成半监督学习任务。本发明借鉴相关思路，通过增加判别器输出结果的维度使得生成对抗网络能够处理带分类标签的数据：

在传统的生成对抗网络中，判别器D输出一个单标量表示输入属于真实样本的概率大小。在本发明中由于存在3类预测结果：真实数据、生成数据与带标签数据，因此，本发明改变判别器的输出形状，将单标量的输出改做一个三维向量的输出：[Link,Unlink,Fake]，其中link表示用户之间有链接存在，unlink表示不存在链接，fake表示生成样本这样判别器的损失函数便可以采用监督损失与半监督损失之和：

对于生成器的损失，本发明的模型采用经典的生成样本损失与特征匹配损失之和。特征匹配损失是指生成器所生成的数据经过判别器特征提取后其分布与真实数据的分布之间的差距，表示如下：

因此，生成器的损失函数可以表示如下：

半监督生成对抗网络的链接预测模型如附图2所示。

在模型中生成器和判别器全部采用全连接网络，为了防止模式崩溃的现象和过拟合问题的出现，采用了批正则化(batch_normalization)和dropout技术。生成器和判别器采用对称结构，其详细设定见图4。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种社交网络孤立节点链接预测方法，其特征在于，包括以下步骤：

步骤1：输入社交网络的当前网络拓扑结构，采用网络嵌入算法为当前网络中的节点生成嵌入向量；

步骤2：收集当前网络节点的属性向量，并使用各个节点的属性向量与其嵌入向量学习一个多层感知机MLP所构成的映射模型；

设用户的属性向量维度为D，用户嵌入向量的维度为d，则显然多层感知机输入层的神经元数量为D，输出层的神经元数量为d；设输入的用户属性向量为X＝[x₁,x₂,x₃,...,x_D]，多层感知机可以看作一个函数f_MLP(x)，则输入向量经过多层感知机的输出为：

X′＝[x′₁,x′₂,...,x′_d]＝f_MLP(X)

为了模型能够将属性向量映射到嵌入向量，采用均方误差作为损失函数，设对应用户的嵌入向量为Y＝[y₁,y₂,...,y_d]，则模型的损失函数为：

步骤3：收集孤立节点的属性向量，并使用以上所学习的多层感知机映射模型学习得到孤立节点的潜在嵌入向量；

步骤4：将孤立节点的嵌入向量与网络中当前节点的嵌入向量拼接，并部分赋予标签形成机器学习的样本；

步骤5：构建半监督生成对抗网络；

步骤6：采用半监督生成对抗网络从样本中学习得到一个半监督链接预测模型，并用其进行链接预测；

在得到孤立节点的嵌入向量后，通过拼接两个用户的向量来构成半监督生成对抗网络的输入；设用户u₁的嵌入向量为[x₁,x₂,...,x_d]；用户u₂的嵌入向量为[y₁,y₂,...,y_d]，则半监督生成对抗模型的输入为[x₁,x₂,...,x_d,y₁,y₂,...,y_d；L]，其中L表示标签，用以表示两个用户对之间是否存在链接关系；用户可以是当前网络已有的节点也可以是孤立节点，且输入的节点对向量并不都有标签；

由于存在3类预测结果：真实数据、生成数据与带标签数据，因此改变判别器的输出形状，将单标量的输出改做一个三维向量的输出：[Link,Unlink,Fake]；其中，Link表示用户之间有链接存在；Unlink表示不存在链接；Fake表示生成样本；

判别器的损失函数采用监督损失与半监督损失之和：

L_D＝L_supervised+L_unsupervised

生成器的损失函数为：

L_G＝L_adversarial+L_feature

L_adversarial＝-E_x～g(x)log[1-D(y|x，y＝K+1)]

在半监督链接预测模型中，生成器和判别器全部采用全连接网络，为了防止模式崩溃的现象和过拟合问题的出现，采用了批正则化和dropout技术，生成器和判别器采用对称结构。