摘 要：為了研究網(wǎng)絡(luò)表示學(xué)習(xí)在社交網(wǎng)絡(luò)中鏈路預(yù)測方面的應(yīng)用，提出了一種基于骨干度與網(wǎng)絡(luò)編碼的鏈路預(yù)測模型(BDLINE)。在網(wǎng)絡(luò)表示學(xué)習(xí)算法LINE的基礎(chǔ)上融入骨干度算法，通過給一階相似度和二階相似度中增添骨干權(quán)重，將網(wǎng)絡(luò)編碼到多維向量空間中，調(diào)試到最優(yōu)參數(shù)。實驗采用2個真實數(shù)據(jù)的數(shù)據(jù)集，分別在不同的算法模型上進行多次實驗。實驗結(jié)果表明：在鏈路預(yù)測方面，BDLINE均比其他網(wǎng)絡(luò)表示學(xué)習(xí)算法的性能有所提升，AUC評測值更高，預(yù)測效果表現(xiàn)得更好。因此，所提出的方法可以方便地提取網(wǎng)絡(luò)特征信息，更好地處理社交網(wǎng)絡(luò)在鏈路預(yù)測中的隨機性，對社交網(wǎng)絡(luò)中預(yù)測網(wǎng)絡(luò)節(jié)點的關(guān)聯(lián)性和有效性具有一定的參考。

　　關(guān)鍵詞：計算機網(wǎng)絡(luò);網(wǎng)絡(luò)表示學(xué)習(xí);鏈路預(yù)測;社交網(wǎng)絡(luò);相似性

　　現(xiàn)實世界中存在著大量而又復(fù)雜的社交網(wǎng)絡(luò)，如何對網(wǎng)絡(luò)數(shù)據(jù)進行有效合理的表示是現(xiàn)今學(xué)術(shù)研究中的一個重要挑戰(zhàn)，網(wǎng)絡(luò)表示學(xué)習(xí)正是為了迎接這種挑戰(zhàn)而出現(xiàn)的，是解決大規(guī)模社交網(wǎng)絡(luò)問題的基礎(chǔ)方法[1-4]，其研究領(lǐng)域有著非常廣泛的應(yīng)用場景，如可視化[5]、節(jié)點分類[6]、鏈路預(yù)測[7]等。網(wǎng)絡(luò)表示學(xué)習(xí)是一個網(wǎng)絡(luò)編碼的過程，是根據(jù)網(wǎng)絡(luò)頂點在網(wǎng)絡(luò)中的結(jié)構(gòu)作用，通過無監(jiān)督學(xué)習(xí)，將網(wǎng)絡(luò)頂點映射到多維空間。從直觀的角度分析，在網(wǎng)絡(luò)中拓?fù)浣Y(jié)構(gòu)[8]相似的頂點所表示出的向量關(guān)系更緊密，這里向量關(guān)系的相似性一般用向量間的余弦距離或者歐氏距離來表示[9]。

　　近年來，網(wǎng)絡(luò)表示學(xué)習(xí)問題開始成為學(xué)術(shù)界的焦點，尤其是社交網(wǎng)絡(luò)中鏈路預(yù)測的研究越來越受到國內(nèi)外學(xué)者的廣泛關(guān)注。鏈路預(yù)測可以識別一個不斷發(fā)展的社交網(wǎng)絡(luò)中可能存在但尚未建立的鏈接，從而為用戶提供信息。真實世界的網(wǎng)絡(luò)頂點數(shù)量非常多，因此，使用考慮全局結(jié)構(gòu)的算法計算鏈路概率非常困難。早期的工作集中在頂點對之間直接的相似性度量上[10]。最近幾年的網(wǎng)絡(luò)表示學(xué)習(xí)算法主要有node2vec[11]，DeepWalk[12]，MMB[13]，LINE[14]等，可以學(xué)習(xí)網(wǎng)絡(luò)各頂點的潛在網(wǎng)絡(luò)結(jié)構(gòu)特征，將網(wǎng)絡(luò)表征到多維空間中。本文提出的網(wǎng)絡(luò)表示學(xué)習(xí)算法BDLINE是在LINE的基礎(chǔ)上融入骨干度[15]，重新調(diào)整網(wǎng)絡(luò)參數(shù)模型，提高網(wǎng)絡(luò)在向量空間中的相似性，最后通過鏈路預(yù)測實驗分別進行各算法對比。結(jié)果表明所提出的算法AUC評測值更高，取得的預(yù)測效果最好。

　　1 基于骨干度與網(wǎng)絡(luò)編碼的鏈路預(yù)測

　　在社交網(wǎng)絡(luò)中處理網(wǎng)絡(luò)中的數(shù)據(jù)，需要對網(wǎng)絡(luò)進行清晰的定義。首先定義一個信息網(wǎng)絡(luò)

　　[WTBX]G=(V，E)，其中V是頂點集合，E是頂點之間的邊集合，邊e=(u，v)∈E表示了u到v的一條邊。BDLINE模型是在LINE的基礎(chǔ)上建立的，LINE的算法定義了使用一階和二階相似度來解決大規(guī)模網(wǎng)絡(luò)信息編碼問題。

　　所有的連邊計算完之后，得到AUC值。AUC值最少應(yīng)大于0.5，最大值不超過1。AUC值越高，說明算法的預(yù)測結(jié)果越精確，性能越好。

　　2.3 實驗環(huán)境與實驗參數(shù)

　　實驗環(huán)境：Linux操作系統(tǒng);實驗算法模型均采用Python語言實現(xiàn);所提算法BDLINE和LINE使用TensorFlow機器學(xué)習(xí)框架。

　　實驗參數(shù)設(shè)置：BDLINE設(shè)置向量size大小為128，根據(jù)實驗經(jīng)驗，此值效果最好;負(fù)采樣值為5，epoch=10;線程數(shù)為8，學(xué)習(xí)率[WTBX]lr=0.001。

　　2.4 實驗結(jié)果

　　將本文提出的算法模型BDLINE分別在2個數(shù)據(jù)集上進行實驗，為了呈現(xiàn)更好的預(yù)測效果，對訓(xùn)練集在真實數(shù)據(jù)集所占的比例由低到高依次選取，選取數(shù)據(jù)的過程都具有隨機性。每個算法訓(xùn)練模型都進行11次測試，獲得測試結(jié)果并取其平均值。所有的實驗結(jié)果如表2和表3所示。

　　可以看出，當(dāng)只保留15%的邊用于訓(xùn)練時，評測AUC值都很低，所有方法的性能都很差，大多數(shù)頂點是孤立的，而且毫無意義。隨著訓(xùn)練集所占的比例越來越大，訓(xùn)練的邊也越來越多，AUC值也越來越高。通過縱向?qū)Ρ劝l(fā)現(xiàn)，BDLINE相對于其他算法來說，AUC值均有所提高，說明了該算法在鏈路預(yù)測任務(wù)中的有效性，驗證了該算法具有精確建模頂點間關(guān)系的能力。通過引入骨干度，學(xué)習(xí)到的網(wǎng)絡(luò)感知能力比LINE有較大的改進，即一個特定的頂點在與其他頂點交互時應(yīng)該扮演不同的角色，從而有利于相關(guān)鏈路的預(yù)測任務(wù)。

　　3 結(jié) 論

　　1)針對現(xiàn)有的社交網(wǎng)絡(luò)在鏈路預(yù)測方面的問題，提出了基于骨干度與網(wǎng)絡(luò)編碼的鏈路預(yù)測模型BDLINE，首次將骨干度引入到LINE算法中。實驗證明，BDLINE比現(xiàn)有的眾多網(wǎng)絡(luò)表示學(xué)習(xí)算法有著更加準(zhǔn)確的預(yù)測結(jié)果。

　　2)BDLINE網(wǎng)絡(luò)表示學(xué)習(xí)算法可以學(xué)習(xí)高質(zhì)量的網(wǎng)絡(luò)結(jié)構(gòu)編碼，有助于準(zhǔn)確估計頂點之間的關(guān)系，提高頂點間的相似度，對社交網(wǎng)絡(luò)中預(yù)測網(wǎng)絡(luò)節(jié)點的關(guān)聯(lián)性和有效性有一定的借鑒意義。

　　3)本次實驗雖然取得了不錯的效果，但仍有不足之處，對于多屬性的大規(guī)模復(fù)雜網(wǎng)絡(luò)，處理的時間復(fù)雜度較高，測試結(jié)果隨機性太大，不夠穩(wěn)定，今后會進行優(yōu)化改善。在未來的研究中，會嘗試用對抗性網(wǎng)絡(luò)學(xué)習(xí)機制來處理具有復(fù)雜屬性的網(wǎng)絡(luò)，用深度學(xué)習(xí)技術(shù)進一步提高網(wǎng)絡(luò)骨干度權(quán)重的精確值。

　　參考文獻/References：

　　[1] AMED A， SERVASIDZE N， NARAYANAMURTY S， et al. Distributed large-scale natural graph factorization[C]// Proceedings of the 22nd International Conference on World Wide Web. New York：ACM， 2013：37-48.

　　[2] LEVY O， GOLDBERG Y. Neural word embedding as implicit matrix factorization. Advances in Neural Information Processing Systems， 2014(3)：2177-2185.

　　[3] LE Q， MIKOLOV T. Distributed representations of sentences and documents[C]// Proceedings of the 31st International Conference on International Conference on Machine Learning. Beijing：[s.n.]，2014：1188-1196.

　　[4] CANG Shiyu， AN Wei， TANG iliang， et al. eterogeneous network embedding via deep architectures[C]// Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York：ACM，2015：119-128.

　　[5] TANG ian， LIU ingzhou， ZANG Ming， et al. Visualization large-scale and high-dimensional data. Machine Learning，2016： 10.1145/2872427.2883041.

　　[6] BAGAT S， CORMODE G， MUTUKRISNAN S. Node classification in social networks. Social Network Data Analytics， 2011， 16(3)：115-148.

　　[7] LIBEN-NOWELL D， KLEINBERG . The Link-Prediction Problem for Social Networks[M].[S.l.]： ohn Wiley & Sons， 2007.

　　[8] TANAY B， KANDEMIR M B. Topological structure of fuzzy soft sets. Computers & Mathematics with Applications， 2011， 61(10)：2952-2957.

　　[9] TU Cunchao， LIU an， LIU Zhiyuan， et al. CANE： Context-aware network embedding for relation modeling[C]// Proceedings of the 55th Annual Meeting of the Association for Computational Linguistics (Volume 1： Long Papers). Vancouve： Association for Computational Linguistics， 2017： 1722-1731.