异质社交网络中缺失链路预测方法、系统和存储介质

技术特征：
1.一种异质社交网络中缺失链路预测方法，其特征在于，包括以下步骤：将所述异质社交网络的链路转为结构特征向量；将所述结构特征向量输入到卷积神经网络中进行特征聚集和特征优化；利用生成预测器对所述结构特征向量的链路样本进行初步链路预测，以判断所述链路样本的真假，利用判别分类器对所述结构特征向量的链路样本进行分类；调整所述生成预测器的损失函数的参数以降低所述生成预测器的预测损失，调整所述判别分类器的损失函数的参数以降低所述判别分类器的分类损失；在所述生成预测器和所述判别分类器的损失函数的参数调整过程中获取最终公共特征，并根据所述最终公共特征对新出现类型的缺失链路进行预测。2.根据权利要求1所述的一种异质社交网络中缺失链路预测方法，其特征在于，所述异质社交网络包括多个节点，所述节点之间形成链路，链路样本e为节点u和节点v之间的链路，链路样本e的特征表示函数为:r
(e)
＝f(u)*f(v)其中，f(u)为节点u的特征表述函数，f(v)为节点v的特征表述函数。3.根据权利要求1所述的一种异质社交网络中缺失链路预测方法，其特征在于，所述利用生成预测器对所述结构特征向量的链路样本进行初步链路预测，包括步骤：输入链路样本集到所述生成预测器；使用所述生成预测器计算得到所述链路样本集中的链路样本为真实链路的可能性；根据所述链路样本集、所述链路样本为真实链路的可能性、所述链路样本的属性计算得到所述生成预测器的预测损失。4.根据权利要求3所述的一种异质社交网络中缺失链路预测方法，其特征在于，所述生成预测器的预测损失表示为：其中，s为所述链路样本集，p(e)为所述链路样本为真实链路的可能性，m
e
为所述链路样本的属性，m
e
∈{0，1}，m
e
＝1表示链路样本e是正样本，m
e
＝0表示链路样本e是负样本。5.根据权利要求3所述的一种异质社交网络中缺失链路预测方法，其特征在于，利用判别分类器对所述结构特征向量的链路样本进行分类，包括步骤：根据所述链路样本集计算得到所述链路样本集中所有链路的特征表示集；基于所述所有链路的特征表示集，所述判别分类器将所述链路样本集中的链路分类为对应的历史类型。6.根据权利要求5所述的一种异质社交网络中缺失链路预测方法，其特征在于，所述判别分类器的分类损失表示为：其中，t
p
包含多种链路类型，表示预测链路样本e在t
p
中为(a1，a2)的链路类型的概率，e的链路类型为(a1，a2)，则n
e
＝1；e的链路类型不为(a1，a2)，n
e
＝0。
7.一种异质社交网络中缺失链路预测系统，其特征在于，包括：特征提取器，用于将异质社交网络的链路转为结构特征向量；卷积神经网络，用于对所述结构特征向量进行特征聚集和特征优化；生成预测器，用于对所述结构特征向量的链路样本进行初步链路预测；判别分类器，用于对所述结构特征向量的链路样本进行分类；参数调整模块，用于调整所述生成预测器的损失函数的参数以降低所述生成预测器的预测损失，调整所述判别分类器的损失函数的参数以降低所述判别分类器的分类损失；缺失链路预测模块，用于在所述生成预测器和所述判别分类器的损失函数的参数调整过程中获取最终公共特征，并根据所述最终公共特征对新出现类型的缺失链路进行预测。8.根据权利要求1所述的一种异质社交网络中缺失链路预测系统，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的异质社交网络中缺失链路预测方法。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至6中任意一项所述的异质社交网络中缺失链路预测方法。

技术总结
本申请提供了一种异质社交网络中缺失链路预测方法、系统和存储介质，包括步骤：将异质社交网络的链路转为结构特征向量；将结构特征向量输入到卷积神经网络中进行特征聚集和特征优化；利用生成预测器对结构特征向量的链路样本进行初步链路预测，以判断链路样本的真假，利用判别分类器对结构特征向量的链路样本进行分类；调整生成预测器的损失函数的参数以降低生成预测器的预测损失，调整判别分类器的损失函数的参数以降低判别分类器的分类损失；在生成预测器和判别分类器的损失函数的参数调整过程中获取最终公共特征，并根据最终公共特征对新出现类型的缺失链路进行预测。能够更为准确、全面的对新出现类型的链路预测产生很好的预测效果。好的预测效果。好的预测效果。


技术研发人员：王欢
受保护的技术使用者：华中农业大学
技术研发日：2022.02.24
技术公布日：2022/5/31