本發(fā)明屬于復雜網絡數(shù)據挖掘領域，具體涉及一種基于自我網絡分裂的多角色嵌入表示方法、系統(tǒng)及設備。

背景技術：

1、網絡無處不在，充滿了復雜性和多樣性。企業(yè)網絡是常見的網絡之一，企業(yè)網絡中，每個節(jié)點代表一個企業(yè)，邊表示兩個節(jié)點間的關系。為了更好地理解和分析企業(yè)網絡數(shù)據，網絡嵌入技術應運而生，成為節(jié)點分類、網絡聚類、鏈路預測等下游任務的重要技術和方法。

2、在企業(yè)網絡的節(jié)點之中，具有相似的結構特征或者具有相同的模式的節(jié)點集合稱為角色，具體地，角色包括供應商、經銷商和客戶等；由角色節(jié)點所構建出來的網絡稱之為角色網絡?，F(xiàn)有的大多數(shù)方法都是將網絡中的節(jié)點映射到低維的向量空間，實現(xiàn)節(jié)點和向量之間的一一對應關系。

3、角色網絡嵌入其旨在將網絡中角色相似的節(jié)點投影到更緊密的低維向量空間，成為網絡分析的有效工具。然而，現(xiàn)有多角色表示方法通常僅限于在企業(yè)網絡中對企業(yè)節(jié)點進行單一的角色標識，忽略了企業(yè)節(jié)點在企業(yè)網絡中扮演的不同功能，而標識出企業(yè)節(jié)點在網絡中的不同角色，可以更好地理解企業(yè)網絡的結構和功能，揭示隱藏的模式和規(guī)律，發(fā)現(xiàn)關鍵節(jié)點和路徑，設計更有效的網絡管理和控制策略，以及預測網絡的行為和演化。即，目前存在現(xiàn)有多角色嵌入表示方法僅在企業(yè)網絡中對企業(yè)節(jié)點進行單一的角色標識，以及企業(yè)網絡的多角色嵌入表示準確度較低的問題。

4、因此，如何實現(xiàn)企業(yè)網絡中企業(yè)節(jié)點的多角色標識和多角色嵌入表示，提高多角色嵌入表示的準確度是本領域亟待解決的問題。

技術實現(xiàn)思路

1、本發(fā)明的目的是針對現(xiàn)有技術的缺陷，提供一種基于自我網絡分裂的多角色嵌入表示方法及系統(tǒng)。本發(fā)明基于自我網絡分裂的多角色嵌入表示方法，通過對企業(yè)網絡數(shù)據集進行自我網絡分裂并重構，構建多角色網絡；將上述多角色網絡，通過量子游走從網絡的局部和全局兩個角度捕獲企業(yè)節(jié)點游走序列，獲取網絡的結構信息；比對游走序列，生成企業(yè)網絡的節(jié)點角色標識矩陣；將企業(yè)節(jié)點的角色表示與企業(yè)節(jié)點鄰域特征信息相融合，得到企業(yè)節(jié)點的多角色嵌入表示。本發(fā)明采用基于自我網絡分裂方式實現(xiàn)對網絡中企業(yè)節(jié)點進行多角色標識和嵌入表示方法，從而從根源上解決了現(xiàn)有的多角色嵌入表示方法僅在企業(yè)網絡中對企業(yè)節(jié)點進行單一的角色標識，以及企業(yè)節(jié)點的多角色嵌入表示準確度較低的問題。

2、為了實現(xiàn)以上目的，本發(fā)明采用以下技術方案：

3、本發(fā)明提出一種基于自我網絡分裂的多角色嵌入表示方法，其特征在于，包括步驟：

4、s1、對企業(yè)網絡數(shù)據集進行分裂并重構，構建多角色網絡；具體包括：

5、s11、基于所述企業(yè)網絡數(shù)據集，進行自我網絡分裂；其中，所述企業(yè)網絡數(shù)據集中，節(jié)點代表不同的企業(yè)，邊表示企業(yè)節(jié)點之間的關系；

6、s12、基于分裂后的節(jié)點，對網絡進行重構，形成多角色網絡；其中，所述多角色網絡中，節(jié)點代表不同的企業(yè)，邊表示企業(yè)節(jié)點之間的關系，節(jié)點的特征包括企業(yè)規(guī)模、業(yè)務類型，節(jié)點的角色包括供應商、經銷商、客戶；

7、s2、基于所述多角色網絡，通過量子游走捕獲企業(yè)節(jié)點游走序列；具體包括：

8、s21、在全局游走過程中，獲得當前游走演化次數(shù)下的概率分布矩陣；基于所述概率分布矩陣，生成企業(yè)節(jié)點的全局角色表示和全局量子游走序列；

9、s22、基于偏置化的量子游走，生成企業(yè)節(jié)點的局部角色表示和局部量子游走序列；

10、s3、比對游走序列，生成角色標識；具體包括：

11、s31、將所述全局量子游走序列和所述局部量子游走序列進行拼接，得到企業(yè)節(jié)點的完整游走序列；

12、s32、確定兩個企業(yè)節(jié)點的完整游走序列的相似度函數(shù)；

13、s33、基于所述相似度函數(shù)，對整個網絡中的所有節(jié)點進行序列比對，構建相似度矩陣；

14、s34、根據所述相似度矩陣，得到企業(yè)網絡的節(jié)點角色標識矩陣；

15、s4、將企業(yè)節(jié)點的角色表示與企業(yè)節(jié)點鄰域特征信息相融合，得到企業(yè)節(jié)點的多角色嵌入表示；具體包括：

16、s41、將企業(yè)節(jié)點的所述全局角色表示和所述局部角色表示進行拼接，得到融合全局與局部角色信息的完整角色表示；

17、s42、利用特征函數(shù)將所有節(jié)點特征與評估點進行計算，得到企業(yè)節(jié)點鄰域特征信息，并通過量子游走得到的所述概率分布矩陣進行特征融合，得到企業(yè)節(jié)點的特征表示；

18、s43、將企業(yè)節(jié)點的所述完整角色表示和所述特征表示進行融合，得到企業(yè)節(jié)點的多角色嵌入表示。

19、進一步地，步驟s11，基于所述企業(yè)網絡數(shù)據集，進行自我網絡分裂，具體為：

20、企業(yè)網絡數(shù)據集為g＝(v，e)，節(jié)點代表不同的企業(yè)，邊表示企業(yè)節(jié)點之間的關系；對于遍歷圖中的所有節(jié)點，對每個節(jié)點進行以下步驟：

21、節(jié)點v的鄰居節(jié)點的定義為斷開目標節(jié)點v與周圍所有一跳鄰居節(jié)點之間的連邊，此刻的邊集合為

22、在斷開連邊后的網絡中，計算連通子圖其中ci代表節(jié)點vi通過斷開與周圍鄰居連邊之后的子圖集合，代表節(jié)點vi產生的子圖集合中的第si個子圖，si是連通子圖數(shù)量；

23、子網中的每一個都能夠代表中心節(jié)點的特定角色特征；中心節(jié)點分裂成si個節(jié)點，每個節(jié)點分配到各自的子網之中；即對于每個連通子圖創(chuàng)建新的節(jié)點使得新的節(jié)點集合令最終得到節(jié)點集合

24、在節(jié)點分裂過程中，得到網絡的角色數(shù)量

25、進一步地，s12、基于分裂后的節(jié)點，對網絡進行重構，形成多角色網絡，具體包括：

26、外部重構：將各個分裂的節(jié)點與原始圖g上的節(jié)點v之間進行連邊；具體為：對于目標節(jié)點vi，遍歷其所有的邊(vi，u)∈e；對于斷開連邊之后的連通子圖集合ci，若u存在于子圖中，將其標記為uj；更新新的邊集其中為節(jié)點vi在對應子圖下產生的新的節(jié)點；由此，外部重構后的網絡為g′＝(v′，e″)；

27、內部重構：對外部重構后的網絡g′進行以下操作：遍歷原始網絡g中的所有節(jié)點vi，找到其分裂的節(jié)點集合v′i，其中對于集合v′i中的所有節(jié)點，兩兩之間相互連接，構建新邊其中1≤j≤k≤si；更新邊集形成多角色網絡。

28、進一步地，步驟s21，在全局游走過程中，獲得當前游走演化次數(shù)下的概率分布矩陣；基于所述概率分布矩陣，生成企業(yè)節(jié)點的全局角色表示和全局量子游走序列，具體為：

29、

30、其中，d(v)表示企業(yè)節(jié)點v的節(jié)點度，a表示圖的鄰接矩陣，sum()是按行求和函數(shù)，kg表示全局量子游走演化次數(shù)；表示企業(yè)節(jié)點v在第kg次量子游走演化次數(shù)下得到的演化序列表示；表示企業(yè)節(jié)點v在第kg-1次量子游走演化次數(shù)下得到的演化序列表示；表示企業(yè)節(jié)點w在第kg-1次量子游走演化次數(shù)下得到的演化序列表示；表示由按行拼接的在第kg次量子游走演化次數(shù)下得到的演化序列矩陣；m0(v，·)表示根據不同的節(jié)點v的度數(shù)進行運算得到的初始化向量；m0表示根據m0(v，·)按行拼接成的初始化矩陣；zglobal為企業(yè)節(jié)點的全局角色表示，表現(xiàn)為在全局游走下的概率矩陣求和結果；

31、zglobal中第i行代表企業(yè)節(jié)點vi通過概率矩陣求和之后得到的節(jié)點全局游走序列，將zglobal中每個企業(yè)節(jié)點的游走序列橫向排布得到最終全局量子游走序列：q＝{q(v1)，q(v2)，...，q(vn)}。

32、進一步地，步驟s22，基于偏置化的量子游走，生成企業(yè)節(jié)點的局部角色表示和局部量子游走序列，具體為：通過量子游走獲得全局角色信息，將量子游走進行偏置化來強調該企業(yè)節(jié)點的局部結構，通過偏置概率pratio對每個企業(yè)節(jié)點的初始概率偏置化，通過角色鄰近度計算獲取節(jié)點的局部角色表示zlocal，

33、

34、其中，m'0(v,·)表示在偏置概率pratio下根據不同的節(jié)點v的度數(shù)進行運算得到的初始化序列；m'0表示根據m'0(v，·)按行拼接成的初始化矩陣；zlocal表現(xiàn)為在局部游走下的概率矩陣求和結果，kl表示局部量子游走演化次數(shù)；m′1表示局部量子游走一次演化下得到的概率矩陣；表示局部量子游走kl次演化下得到的概率矩陣；

35、zlocal中第i行代表企業(yè)節(jié)點vi通過概率矩陣求和之后得到的節(jié)點局部游走序列，將zlocal中每個節(jié)點的游走序列橫向排布按行進行拼接得到最終局部量子游走序列：q′＝{q′(v1)，q′(v2)，...，q′(vn)}。

36、進一步地，步驟s3、比對游走序列，生成角色標識；具體包括：

37、s31、將所述全局量子游走序列和所述局部量子游走序列進行拼接，得到企業(yè)節(jié)點的完整游走序列，具體為：q＝concat(q，q′)，其中q(vi)代表節(jié)點vi的游走序列；

38、s32、確定兩個企業(yè)節(jié)點的完整游走序列的相似度函數(shù)，具體為：

39、

40、s33、基于所述相似度函數(shù)，對整個網絡中的所有節(jié)點進行序列比對，構建相似度矩陣；其中，相似度矩陣標識為mr；

41、s34、根據所述相似度矩陣，得到企業(yè)網絡的節(jié)點角色標識矩陣；具體包括：

42、設定初始閾值rthreshold＝0.5，若rsimilarity(vi，vj)≥rthreshold，則將vi，vj標記為同一個角色；

43、根據相似度矩陣mr將所有節(jié)點標記得到此時的角色矩陣rm；

44、設置參數(shù)δ＝0.05，統(tǒng)計rm中的角色數(shù)量rn,若rn≤numr，則令rthreshold＝rthreshold+δ，若rn≥numr，則令rthreshold＝rthreshold-δ；計算每次參數(shù)下的|numr-rn|值；重復步驟判斷rsimilarity(vi,vj)與新閾值下rthreshold的大小關系，若rsimilarity(vi，vj)≥rthreshold，則將vi，vj標記為同一個角色，更新此時的角色矩陣rm；此時rm為：

45、

46、其中rx代表第x個角色；

47、當rthreshold＝min(|numr-rn|)時，此刻通過比對閾值得到的角色矩陣rm為最終網絡得到的節(jié)點角色標識矩陣。

48、進一步地，s4、將企業(yè)節(jié)點的角色表示與企業(yè)節(jié)點鄰域特征信息相融合，得到企業(yè)節(jié)點的多角色嵌入表示；具體公式為：

49、s41、將企業(yè)節(jié)點的所述全局角色表示和所述局部角色表示進行拼接，得到融合全局與局部角色信息的完整角色表示；具體為：z′＝concat{zlocal，zglobal}；

50、s42、利用特征函數(shù)將所有節(jié)點特征與評估點進行計算，得到企業(yè)節(jié)點鄰域特征信息，并通過量子游走得到的所述概率分布矩陣進行特征融合，得到企業(yè)節(jié)點的特征表示，具體為：

51、

52、其中，xw為目標節(jié)點w的特征向量；mkg(v,w)表示在概率矩陣中企業(yè)節(jié)點v游走到企業(yè)節(jié)點w的概率值；參數(shù)θ表示評估點值，設定θ∈[-6,6]；

53、s43、將企業(yè)節(jié)點的所述完整角色表示和所述特征表示進行融合，得到企業(yè)節(jié)點的多角色嵌入表示，具體為：z＝concat{z′，zfeature}。

54、本發(fā)明還提出一種基于自我網絡分裂的多角色嵌入表示系統(tǒng)，所述多角色嵌入表示系統(tǒng)執(zhí)行所述的基于自我網絡分裂的多角色嵌入表示方法，包括：多角色網絡構建模塊、節(jié)點游走序列獲取模塊、角色標識生成模塊以及多角色嵌入表示構建模塊；

55、所述多角色網絡構建模塊，對企業(yè)網絡數(shù)據集進行分裂并重構，構建多角色網絡；

56、所述節(jié)點游走序列獲取模塊，基于所述多角色網絡，通過量子游走捕獲企業(yè)節(jié)點游走序列；

57、所述角色標識生成模塊，比對游走序列，生成角色標識；

58、所述多角色嵌入表示構建模塊，將企業(yè)節(jié)點的角色表示與企業(yè)節(jié)點鄰域特征信息相融合，得到企業(yè)節(jié)點的多角色嵌入表示。

59、本發(fā)明還提出一種計算機設備，所述設備包括存儲器及處理器，所述存儲器上存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述的方法。

60、與現(xiàn)有技術相比，具有如下有益效果：

61、本發(fā)明的基于自我網絡分裂的多角色嵌入表示方法，通過對企業(yè)網絡數(shù)據集進行自我網絡分裂并重構，構建多角色網絡；基于所述多角色網絡，通過量子游走從網絡的局部和全局兩個角度捕獲企業(yè)節(jié)點游走序列，獲取網絡的結構信息；比對游走序列，生成企業(yè)網絡的節(jié)點角色標識矩陣；將企業(yè)節(jié)點的角色表示與企業(yè)節(jié)點鄰域特征信息相融合，得到企業(yè)節(jié)點的多角色嵌入表示；實現(xiàn)了對網絡中企業(yè)節(jié)點進行多角色標識，并提升了網絡中企業(yè)節(jié)點的多角色嵌入表示的準確性。