本發(fā)明實施例涉及計算機
技術(shù)領(lǐng)域：
，尤其涉及一種網(wǎng)絡(luò)鏈接預測方法及裝置。
背景技術(shù)：
：隨著社交網(wǎng)絡(luò)(如微博等)的興起，人們越來越傾向于使用在線社交網(wǎng)絡(luò)平臺溝通和交換信息。例如，用戶在社交平臺上進行發(fā)布一條消息之后，該用戶的社交平臺上的朋友也可能轉(zhuǎn)發(fā)這條消息，這個過程重復迭代就會出現(xiàn)社交網(wǎng)絡(luò)上的擴散現(xiàn)象。網(wǎng)絡(luò)鏈接預測是指通過已知的網(wǎng)絡(luò)結(jié)構(gòu)等信息預測網(wǎng)絡(luò)中尚未產(chǎn)生連邊的兩個網(wǎng)絡(luò)節(jié)點之間產(chǎn)生網(wǎng)絡(luò)鏈接的概率。網(wǎng)絡(luò)鏈接預測在不同的場景中有不同的應用和價值。例如，在犯罪份子網(wǎng)絡(luò)中，鏈接預測可用來發(fā)現(xiàn)潛在的犯罪分子；在社交網(wǎng)絡(luò)中，鏈接預測可指示用戶間建立好友關(guān)系的可能性，為用戶提供好友推薦。在現(xiàn)有技術(shù)中，通常采用基于連續(xù)時間模型、或者基于點過程的模型確定兩個網(wǎng)絡(luò)節(jié)點之間產(chǎn)生網(wǎng)絡(luò)鏈接的概率。然而，在現(xiàn)有的網(wǎng)絡(luò)模型中，均假設(shè)網(wǎng)絡(luò)中節(jié)點間的鏈接關(guān)系單層同質(zhì)，這種假設(shè)與網(wǎng)絡(luò)的多層異質(zhì)結(jié)構(gòu)相悖等，導致現(xiàn)有的網(wǎng)絡(luò)模型與實際網(wǎng)絡(luò)相差較多，導致根據(jù)現(xiàn)有的網(wǎng)絡(luò)模型進行網(wǎng)絡(luò)鏈接預測的準確性較低。技術(shù)實現(xiàn)要素：本發(fā)明實施例提供一種網(wǎng)絡(luò)鏈接預測方法及裝置，提高了網(wǎng)絡(luò)鏈接預測的準確性。第一方面，本發(fā)明實施例提供一種網(wǎng)絡(luò)鏈接預測方法，包括：根據(jù)用戶輸入的主題個數(shù)和網(wǎng)絡(luò)節(jié)點個數(shù)，構(gòu)建擴散網(wǎng)絡(luò)，所述擴散網(wǎng)絡(luò)包括多個網(wǎng)絡(luò)節(jié)點和多個主題，各所述網(wǎng)絡(luò)節(jié)點對應主動向量和被動向量，所述主動向量和所述被動向量中包括待求解參數(shù)；根據(jù)各所述網(wǎng)絡(luò)節(jié)點的主動向量，生成擴散數(shù)據(jù)；獲取預設(shè)時長內(nèi)、所述擴散數(shù)據(jù)在所述擴散網(wǎng)絡(luò)中擴散的統(tǒng)計數(shù)據(jù)；根據(jù)所述統(tǒng)計數(shù)據(jù)，確定所述待求解參數(shù)的參數(shù)值；根據(jù)所述待求解參數(shù)的參數(shù)值，確定第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)的被動向量，所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點為所述擴散網(wǎng)絡(luò)中的任意兩個節(jié)點；根據(jù)所述第一網(wǎng)絡(luò)節(jié)點的主動向量和所述第二網(wǎng)絡(luò)節(jié)點的被動向量，確定所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率。在一種可能的實施方式中，根根據(jù)用戶輸入的主題個數(shù)和網(wǎng)絡(luò)節(jié)點個數(shù)，構(gòu)建擴散網(wǎng)絡(luò)，包括：接收用戶輸入的主題個數(shù)；根據(jù)所述主題個數(shù)，創(chuàng)建多個主題，并生成主題活躍度向量；接收用戶輸入的網(wǎng)絡(luò)節(jié)點個數(shù)；根據(jù)所述網(wǎng)絡(luò)節(jié)點個數(shù)，創(chuàng)建多個網(wǎng)絡(luò)節(jié)點；生成各所述網(wǎng)絡(luò)節(jié)點的主動向量和被動向量；根據(jù)所述多個主題和所述多個網(wǎng)絡(luò)節(jié)點，構(gòu)建所述擴散網(wǎng)絡(luò)。在另一種可能的實施方式中，獲取預設(shè)時長內(nèi)、所述擴散數(shù)據(jù)在所述擴散網(wǎng)絡(luò)中擴散的統(tǒng)計數(shù)據(jù)，包括：確定所述擴散數(shù)據(jù)的主題分布向量；根據(jù)所述主題分布向量，確定所述擴散數(shù)據(jù)的傳播通道；根據(jù)所述傳播通道，確定所述轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的次數(shù)、及轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的時刻；根據(jù)所述預設(shè)時長內(nèi)、轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的次數(shù)、及轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的時刻，確定所述統(tǒng)計數(shù)據(jù)。在另一種可能的實施方式中，根據(jù)所述統(tǒng)計數(shù)據(jù)，確定所述待求解參數(shù)的參數(shù)值，包括：根據(jù)Metropolis-within-gibbs算法、及所述統(tǒng)計數(shù)據(jù)，對所述待求解參數(shù)進行求解，得到所述參數(shù)值。在另一種可能的實施方式中，根據(jù)所述第一網(wǎng)絡(luò)節(jié)點的主動向量和所述第二網(wǎng)絡(luò)節(jié)點的被動向量，確定所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率，包括：根據(jù)如下公式一，確定所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率P：P＝Aik×Sjk×πk公式一；其中，所述Aik為用戶i的主動向量中的第k個分量，所述Sjk為用戶j的被動向量中的第k個分量，所述πk為第k主題的活躍度。第二方面，本發(fā)明實施例提供一種網(wǎng)絡(luò)鏈接預測裝置，包括構(gòu)建模塊、生成模塊、獲取模塊、第一確定模塊、第二確定模塊和第三確定模塊，其中，所述構(gòu)建模塊用于，根據(jù)用戶輸入的主題個數(shù)和網(wǎng)絡(luò)節(jié)點個數(shù)，構(gòu)建擴散網(wǎng)絡(luò)，所述擴散網(wǎng)絡(luò)包括多個網(wǎng)絡(luò)節(jié)點和多個主題，各所述網(wǎng)絡(luò)節(jié)點對應主動向量和被動向量，所述主動向量和所述被動向量中包括待求解參數(shù)；所述生成模塊用于，根據(jù)各所述網(wǎng)絡(luò)節(jié)點的主動向量，生成擴散數(shù)據(jù)；所述獲取模塊用于，獲取預設(shè)時長內(nèi)、所述擴散數(shù)據(jù)在所述擴散網(wǎng)絡(luò)中擴散的統(tǒng)計數(shù)據(jù)；所述第一確定模塊用于，根據(jù)所述統(tǒng)計數(shù)據(jù)，確定所述待求解參數(shù)的參數(shù)值；所述第二確定模塊用于，根據(jù)所述待求解參數(shù)的參數(shù)值，確定第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)的被動向量，所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點為所述擴散網(wǎng)絡(luò)中的任意兩個節(jié)點；所述第三確定模塊用于，根據(jù)所述第一網(wǎng)絡(luò)節(jié)點的主動向量和所述第二網(wǎng)絡(luò)節(jié)點的被動向量，確定所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率。在一種可能的實施方式中，所述構(gòu)建模塊具體用于：接收用戶輸入的主題個數(shù)；根據(jù)所述主題個數(shù)，創(chuàng)建多個主題，并生成主題活躍度向量；接收用戶輸入的網(wǎng)絡(luò)節(jié)點個數(shù)；根據(jù)所述網(wǎng)絡(luò)節(jié)點個數(shù)，創(chuàng)建多個網(wǎng)絡(luò)節(jié)點；生成各所述網(wǎng)絡(luò)節(jié)點的主動向量和被動向量；根據(jù)所述多個主題和所述多個網(wǎng)絡(luò)節(jié)點，構(gòu)建所述擴散網(wǎng)絡(luò)。在另一種可能的實施方式中，所述獲取模塊具體用于：確定所述擴散數(shù)據(jù)的主題分布向量；根據(jù)所述主題分布向量，確定所述擴散數(shù)據(jù)的傳播通道；根據(jù)所述傳播通道，確定所述轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的次數(shù)、及轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的時刻；根據(jù)所述預設(shè)時長內(nèi)、轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的次數(shù)、及轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的時刻，確定所述統(tǒng)計數(shù)據(jù)。在另一種可能的實施方式中，所述第一確定模塊具體用于：根據(jù)Metropolis-within-gibbs算法、及所述統(tǒng)計數(shù)據(jù)，對所述待求解參數(shù)進行求解，得到所述參數(shù)值。在另一種可能的實施方式中，所述第三確定模塊具體用于：根據(jù)如下公式一，確定所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率P：P＝Aik×Sjk×πk公式一；其中，所述Aik為用戶i的主動向量中的第k個分量，所述Sjk為用戶j的被動向量中的第k個分量，所述πk為第k主題的活躍度。本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預測方法及裝置，在進行網(wǎng)絡(luò)鏈接預測的過程中，先基于預設(shè)條件假設(shè)，構(gòu)建與實際網(wǎng)絡(luò)情況相符合的擴散網(wǎng)絡(luò)，該擴散網(wǎng)絡(luò)中包括多個節(jié)點，每一個節(jié)點有其對應的主動向量和被動向量，該主動向量和被動向量中包括待求解參數(shù)。然后，生成用于在擴散網(wǎng)絡(luò)上進行擴散的擴散數(shù)據(jù)。根據(jù)擴散數(shù)據(jù)及該擴散網(wǎng)絡(luò)中每一個網(wǎng)絡(luò)節(jié)點的主動向量和被動向量，可以確定擴散數(shù)據(jù)在擴散網(wǎng)絡(luò)中進行擴散的統(tǒng)計數(shù)據(jù)。根據(jù)該統(tǒng)計數(shù)據(jù)可以求解得到主動向量和被動向量中的待求解參數(shù)的參數(shù)值，根據(jù)待求解參數(shù)的參數(shù)值可以確定第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)節(jié)點的被動向量，并根據(jù)第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)節(jié)點的被動向量，確定第一網(wǎng)絡(luò)節(jié)點和第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率。由于構(gòu)建的擴散網(wǎng)絡(luò)的特性與實際應用中的網(wǎng)絡(luò)的特性相符合，且擴散數(shù)據(jù)也與實際應用中傳輸?shù)臄?shù)據(jù)相符合，以使根據(jù)本申請所示的方法可以準確的確定兩個網(wǎng)絡(luò)節(jié)點之間產(chǎn)生網(wǎng)絡(luò)鏈接的概率，進而提高網(wǎng)絡(luò)鏈接預測的準確性。附圖說明為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。圖1為本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預設(shè)方法的應用場景示意圖；圖2為本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預測方法的流程示意圖；圖3為本發(fā)明實施例提供的構(gòu)建擴散網(wǎng)絡(luò)方法的流程示意圖；圖4為本發(fā)明實施例提供的確定統(tǒng)計數(shù)據(jù)方法的流程示意圖；圖5為本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預測裝置的結(jié)構(gòu)示意圖。具體實施方式為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。圖1為本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預設(shè)方法的應用場景示意圖。請參見圖1，在擴散網(wǎng)絡(luò)中包括多個網(wǎng)絡(luò)節(jié)點(圖1中簡稱節(jié)點)，該擴散網(wǎng)絡(luò)為本發(fā)明實施例構(gòu)建的網(wǎng)絡(luò)，每一個網(wǎng)絡(luò)節(jié)點有其對應的主動向量和被動向量，該主動向量和被動向量中包括預設(shè)條件對應的假設(shè)參數(shù)。在本申請中，生成擴散數(shù)據(jù)，并根據(jù)擴散數(shù)據(jù)及該擴散網(wǎng)絡(luò)中每一個網(wǎng)絡(luò)節(jié)點的主動向量和被動向量，可以確定擴散數(shù)據(jù)在擴散網(wǎng)絡(luò)中的傳輸情況。根據(jù)擴散數(shù)據(jù)在擴散網(wǎng)絡(luò)中的傳輸情況，可以求解得到主動向量和被動向量中的假設(shè)參數(shù)。在得到假設(shè)參數(shù)之后，可以確定每一個網(wǎng)絡(luò)節(jié)點的主動向量和被動向量。當需要確定兩個網(wǎng)絡(luò)節(jié)點之間產(chǎn)生網(wǎng)絡(luò)鏈接的概率時，根據(jù)該兩個網(wǎng)絡(luò)節(jié)點的主動向量和被動向量即可確定該兩個網(wǎng)絡(luò)節(jié)點之間產(chǎn)生網(wǎng)絡(luò)鏈接的概率。在本申請中，由于構(gòu)建的擴散網(wǎng)絡(luò)的特性與實際應用中的網(wǎng)絡(luò)的特性相符合，且擴散數(shù)據(jù)也與實際應用中傳輸?shù)臄?shù)據(jù)相符合，以使根據(jù)本申請所示的方法可以準確的確定兩個網(wǎng)絡(luò)節(jié)點之間產(chǎn)生網(wǎng)絡(luò)鏈接的概率，進而提高網(wǎng)絡(luò)鏈接預測的準確性。下面，通過具體實施例，對本申請所示的技術(shù)方案進行詳細說明。需要說明的是，下面幾個具體實施例可以相互結(jié)合，對于相同或相似的內(nèi)容在不同的實施例中不再進行贅述。圖2為本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預測方法的流程示意圖。請參見圖2，該方法可以包括：S201、根據(jù)用戶輸入的主題個數(shù)和網(wǎng)絡(luò)節(jié)點個數(shù)，構(gòu)建擴散網(wǎng)絡(luò)，擴散網(wǎng)絡(luò)包括多個網(wǎng)絡(luò)節(jié)點和多個主題，各網(wǎng)絡(luò)節(jié)點對應主動向量和被動向量，主動向量和被動向量中包括待求解參數(shù)。本發(fā)明實施例的執(zhí)行主體可以為網(wǎng)絡(luò)鏈接預測裝置(下文檢測預測裝置)。可選的，該預測裝置可以通過軟件和/或硬件實現(xiàn)。當用戶需要構(gòu)建擴散網(wǎng)絡(luò)時，用戶可以在預測裝置中輸入主題個數(shù)和網(wǎng)絡(luò)節(jié)點個數(shù)，相應的，預測裝置可以創(chuàng)建多個網(wǎng)絡(luò)節(jié)點、并確定多個主題。預測裝置還生成每一個網(wǎng)絡(luò)節(jié)點的主動向量和被動向量，并根據(jù)多個網(wǎng)絡(luò)節(jié)點和該多個主題構(gòu)建擴散網(wǎng)絡(luò)。具體的，構(gòu)建擴散網(wǎng)絡(luò)的過程可以參見圖3所示的實施例。在本發(fā)明實施例中，主動向量是指網(wǎng)絡(luò)節(jié)點在各主題上的主動性活躍程度，被動向量是指網(wǎng)絡(luò)節(jié)點在各主題上的被動活躍程度。主動向量中各數(shù)據(jù)之和為1，被動向量中的各數(shù)據(jù)之和也為1。可選的，當擴散網(wǎng)絡(luò)為與微博相關(guān)網(wǎng)絡(luò)時，擴散網(wǎng)絡(luò)的主題可以包括經(jīng)濟、科技、八卦、人文等。例如，主動向量可以為用戶在各主題上主動發(fā)布微博的概率。被動向量可以為用戶在各主題上轉(zhuǎn)發(fā)微博的概率。假設(shè)擴散網(wǎng)絡(luò)中包括三個主題，分別記為主題1-主題3。則網(wǎng)絡(luò)節(jié)點的主動向量可以為(P1,P2,P3)，其中，P1、P2、及P3之和為1，P1表示該網(wǎng)絡(luò)節(jié)點對應的用戶在主題1上發(fā)布微博的概率，P2表示該網(wǎng)絡(luò)節(jié)點對應的用戶在主題2上發(fā)布微博的概率，P3表示該網(wǎng)絡(luò)節(jié)點對應的用戶在主題3上發(fā)布微博的概率。在本申請中，由于構(gòu)建的網(wǎng)絡(luò)時基于預設(shè)假設(shè)構(gòu)建的，因此，主動向量和被動向量中包括待求解參數(shù)。S202、根據(jù)各網(wǎng)絡(luò)節(jié)點的主動向量，生成擴散數(shù)據(jù)。在預測裝置確定得到擴散網(wǎng)絡(luò)之后，預測裝置根據(jù)可以根據(jù)網(wǎng)絡(luò)節(jié)點的主動向量，生成擴散數(shù)據(jù)。例如，假設(shè)擴散網(wǎng)絡(luò)為與微博相關(guān)網(wǎng)絡(luò)時，預測裝置可以根據(jù)各網(wǎng)絡(luò)節(jié)點對應的用戶發(fā)布各類微博的頻率，生成擴散數(shù)據(jù)，相應的，擴散數(shù)據(jù)可以為發(fā)布的微博。需要說明的是，擴散數(shù)據(jù)的個數(shù)可以為1個，也可以為多個?？梢愿鶕?jù)實際需要確定擴散數(shù)據(jù)的個數(shù)。S203、獲取預設(shè)時長內(nèi)、擴散數(shù)據(jù)在擴散網(wǎng)絡(luò)中擴散的統(tǒng)計數(shù)據(jù)。在確定得到擴散網(wǎng)絡(luò)和擴散數(shù)據(jù)之后，可以根據(jù)各網(wǎng)絡(luò)節(jié)點的主動向量、被動向量、以及擴散數(shù)據(jù)，確定擴散數(shù)據(jù)在擴散網(wǎng)絡(luò)中的擴散情況，并根據(jù)預設(shè)時長內(nèi)擴散數(shù)據(jù)在擴散網(wǎng)絡(luò)中的擴散情況，得到統(tǒng)計數(shù)據(jù)?？蛇x的，統(tǒng)計數(shù)據(jù)中可以轉(zhuǎn)發(fā)擴散數(shù)據(jù)的節(jié)點標識、及轉(zhuǎn)發(fā)時刻。例如，統(tǒng)計數(shù)據(jù)可以如表1所示：表1網(wǎng)絡(luò)節(jié)點的標識轉(zhuǎn)發(fā)時刻節(jié)點21:10:10節(jié)點41:10:30節(jié)點31:10:45節(jié)點51:11:12…………需要說明的是，表1只是以示例的形式示意統(tǒng)計數(shù)據(jù)中包括的內(nèi)容。當然，在實際應用過程中，可以根據(jù)實際需要設(shè)置統(tǒng)計數(shù)據(jù)中包括的內(nèi)容，本發(fā)明實施例對此不作具體限定。S204、根據(jù)統(tǒng)計數(shù)據(jù)，確定待求解參數(shù)的參數(shù)值?？蛇x的，預測裝置可以根據(jù)Metropolis-within-gibbs算法、及統(tǒng)計數(shù)據(jù)，對待求解參數(shù)進行求解，得到參數(shù)值。例如，預測裝置可以每一次從Dirichlet分布中使用隨機游走采樣一個數(shù)據(jù)點，計算其Hastingsratio,然后以min{1,HastingRatio}的概率接受該點，經(jīng)過足夠長的迭代過程后，可以證明，采樣到的點接近真實的概率分布。S205、根據(jù)待求解參數(shù)的參數(shù)值，確定第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)的被動向量，第一網(wǎng)絡(luò)節(jié)點和第二網(wǎng)絡(luò)節(jié)點為擴散網(wǎng)絡(luò)中的任意兩個節(jié)點。當需要確定第一網(wǎng)絡(luò)節(jié)點和第二網(wǎng)絡(luò)節(jié)點之間的發(fā)生網(wǎng)絡(luò)鏈接的概率時，可以將待求解參數(shù)的參數(shù)值代入第一網(wǎng)絡(luò)節(jié)點的主動向量、及第二網(wǎng)絡(luò)節(jié)點的被動向量，以確定得到第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)的被動向量。S206、根據(jù)第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)節(jié)點的被動向量，確定第一網(wǎng)絡(luò)節(jié)點和第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率?？蛇x的，可以根據(jù)如下公式一，確定第一網(wǎng)絡(luò)節(jié)點和第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率P：P＝Aik×Sjk×πk公式一；其中，Aik為用戶i的主動向量中的第k個分量，Sjk為用戶j的被動向量中的第k個分量，πk為第k主題的活躍度。本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預測方法，在進行網(wǎng)絡(luò)鏈接預測的過程中，先基于預設(shè)條件假設(shè)，構(gòu)建與實際網(wǎng)絡(luò)情況相符合的擴散網(wǎng)絡(luò)，該擴散網(wǎng)絡(luò)中包括多個節(jié)點，每一個節(jié)點有其對應的主動向量和被動向量，該主動向量和被動向量中包括待求解參數(shù)。然后，生成用于在擴散網(wǎng)絡(luò)上進行擴散的擴散數(shù)據(jù)。根據(jù)擴散數(shù)據(jù)及該擴散網(wǎng)絡(luò)中每一個網(wǎng)絡(luò)節(jié)點的主動向量和被動向量，可以確定擴散數(shù)據(jù)在擴散網(wǎng)絡(luò)中進行擴散的統(tǒng)計數(shù)據(jù)。根據(jù)該統(tǒng)計數(shù)據(jù)可以求解得到主動向量和被動向量中的待求解參數(shù)的參數(shù)值，根據(jù)待求解參數(shù)的參數(shù)值可以確定第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)節(jié)點的被動向量，并根據(jù)第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)節(jié)點的被動向量，確定第一網(wǎng)絡(luò)節(jié)點和第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率。由于構(gòu)建的擴散網(wǎng)絡(luò)的特性與實際應用中的網(wǎng)絡(luò)的特性相符合，且擴散數(shù)據(jù)也與實際應用中傳輸?shù)臄?shù)據(jù)相符合，以使根據(jù)本申請所示的方法可以準確的確定兩個網(wǎng)絡(luò)節(jié)點之間產(chǎn)生網(wǎng)絡(luò)鏈接的概率，進而提高網(wǎng)絡(luò)鏈接預測的準確性。在圖2所示實施例的基礎(chǔ)上，可選的，可以通過如下可行的實現(xiàn)方式根據(jù)用戶輸入的主題個數(shù)和網(wǎng)絡(luò)節(jié)點個數(shù)，構(gòu)建擴散網(wǎng)絡(luò)(圖2所示實施例中的S201)，具體的，請參見圖3所示的實施例。圖3為本發(fā)明實施例提供的構(gòu)建擴散網(wǎng)絡(luò)方法的流程示意圖。請參見圖3，該方法可以包括：S301、接收用戶輸入的主題個數(shù)?？蛇x的，主題個數(shù)可以為大于2的正整數(shù)。S302、根據(jù)主題個數(shù)，創(chuàng)建多個主題，并生成主題活躍度向量。可選的，預測裝置可以根據(jù)狄利克雷函數(shù)Dir(x)，隨機生成多個主題。其中，生成的主題個數(shù)與用戶輸入的主題個數(shù)相同?？蛇x的，預測裝置可以根據(jù)狄利克雷函數(shù)Dir(x)，生成主題活躍度向量，該主題活躍度向量為n維向量，主題活躍度向量的各分量之和為1，n為主題個數(shù)。例如，若主題個數(shù)為3，則主體活躍度向量可以為(0.5，0.3,0.2)。S303、接收用戶輸入的網(wǎng)絡(luò)節(jié)點個數(shù)。可選的，網(wǎng)絡(luò)節(jié)點個數(shù)可以為大于2的正整數(shù)。S304、根據(jù)網(wǎng)絡(luò)節(jié)點個數(shù)，創(chuàng)建多個網(wǎng)絡(luò)節(jié)點?？蛇x的，預測裝置可以根據(jù)狄利克雷函數(shù)Dir(x)，創(chuàng)建多個網(wǎng)絡(luò)節(jié)點。S305、生成各網(wǎng)絡(luò)節(jié)點的主動向量和被動向量?？蛇x的，預測裝置可以根據(jù)狄利克雷函數(shù)Dir(x)，生成各網(wǎng)絡(luò)節(jié)點的主動向量和被動向量。例如，預測裝置可以根據(jù)如下公式二生成主動向量：其中，k為主題的個數(shù)，αi為第i個待求解參數(shù)，xi為主動向量中第i個分向量。S306、根據(jù)多個主題和多個網(wǎng)絡(luò)節(jié)點，構(gòu)建擴散網(wǎng)絡(luò)。構(gòu)建得到的擴散網(wǎng)絡(luò)的似然度如公式三所示：其中，Gijk表示擴散網(wǎng)絡(luò)中第i個節(jié)點與第j個節(jié)點之間在第k個主題上是否存在邊。當Gijk為1時，表示第i個節(jié)點與第j個節(jié)點之間在第k個主題上存在邊，當Gijk為0時，表示第i個節(jié)點與第j個節(jié)點之間在第k個主題上不存在邊。在上述任意一個實施例的基礎(chǔ)上，可選的，可以通過如下可行的實現(xiàn)方式獲取預設(shè)時長內(nèi)、擴散數(shù)據(jù)在擴散網(wǎng)絡(luò)中擴散的統(tǒng)計數(shù)據(jù)(圖2所示實施例中的S203)，具體的，請參見圖4所示的實施例。圖4為本發(fā)明實施例提供的確定統(tǒng)計數(shù)據(jù)方法的流程示意圖。請參見圖4，該方法可以包括：S401、確定擴散數(shù)據(jù)的主題分布向量?？蛇x的，預測裝置可以根據(jù)狄利克雷函數(shù)Dir(x)確定擴散數(shù)據(jù)的主題分布向量。該主題分布向量為n維向量，主題分布向量的各分量之和為1，n為主題個數(shù)。S402、根據(jù)主題分布向量，確定擴散數(shù)據(jù)的傳播通道?？蛇x的，預測裝置可以根據(jù)k′～Discrete(θk′·Svk′)函數(shù)，確定擴散數(shù)據(jù)的傳播通道。S403、根據(jù)傳播通道，確定轉(zhuǎn)發(fā)擴散數(shù)據(jù)的次數(shù)、及轉(zhuǎn)發(fā)擴散數(shù)據(jù)的時刻。可選的，對于任意一個傳播通道，可以根據(jù)n′～poisson(Wuvk)確定轉(zhuǎn)發(fā)擴散數(shù)據(jù)的次數(shù)。可選的，可以根據(jù)t～lognormal(0,1)確定轉(zhuǎn)發(fā)擴散數(shù)據(jù)的時刻。其中，lognormal函數(shù)為對數(shù)正太分布函數(shù)，類似于random函數(shù)，本模型利用該函數(shù)采樣0與1之間的一個隨機數(shù)，特點是可以調(diào)整其參數(shù)，使得概率在接近0或者1時比較小，在設(shè)定的峰值處概率較大。S404、根據(jù)預設(shè)時長內(nèi)、轉(zhuǎn)發(fā)擴散數(shù)據(jù)的次數(shù)、及轉(zhuǎn)發(fā)擴散數(shù)據(jù)的時刻，確定統(tǒng)計數(shù)據(jù)。在上述過程中，擴散數(shù)據(jù)的似然度可以如公式四所示：其中，sm為擴散數(shù)據(jù)被轉(zhuǎn)發(fā)的時間，cm為擴散數(shù)據(jù)被轉(zhuǎn)發(fā)的網(wǎng)絡(luò)節(jié)點，ωm為第m次被轉(zhuǎn)發(fā)擴散數(shù)據(jù)，λku為第u個節(jié)點在第k個主題上發(fā)布擴散數(shù)據(jù)的頻率，Wuvk為第u個網(wǎng)絡(luò)節(jié)點發(fā)布擴散數(shù)據(jù)，第v個網(wǎng)絡(luò)節(jié)點在k個主題上轉(zhuǎn)發(fā)的概率，I[x]為示性函數(shù)，當括號內(nèi)數(shù)據(jù)為真時返回1，否則返回0。h(x)提到的lognormal函數(shù)，θm為第m次轉(zhuǎn)發(fā)擴散數(shù)據(jù)的主題向量，Guvk為擴散網(wǎng)絡(luò)中第u個網(wǎng)絡(luò)節(jié)點與第v個網(wǎng)絡(luò)節(jié)點之間在第k個主題上是否存在邊，1表示存在，0表示不存在，Au為第u個網(wǎng)絡(luò)節(jié)點的主動向量，Sv為第v個網(wǎng)絡(luò)節(jié)點的被動向量，πk為各個主題的活躍程度向量，Auk為第u個網(wǎng)絡(luò)節(jié)點的主動向量中的第k個分量，Svk為第v個網(wǎng)絡(luò)節(jié)點的被動向量中的第k個分量。其中，上述公式四中，等號后邊的第一行對應生成的擴散網(wǎng)絡(luò)的似然度，第二行對應發(fā)布擴散數(shù)據(jù)的似然度，第三到第五行對應轉(zhuǎn)發(fā)擴散數(shù)據(jù)的似然度。其中的補償項和為在積分上下限的時間段內(nèi)沒有發(fā)生事件的似然度。圖5為本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預測裝置的結(jié)構(gòu)示意圖。請參見圖5，該裝置可以包括構(gòu)建模塊11、生成模塊12、獲取模塊13、第一確定模塊14、第二確定模塊15和第三確定模塊16，其中，所述構(gòu)建模塊11用于，根據(jù)用戶輸入的主題個數(shù)和網(wǎng)絡(luò)節(jié)點個數(shù)，構(gòu)建擴散網(wǎng)絡(luò)，所述擴散網(wǎng)絡(luò)包括多個網(wǎng)絡(luò)節(jié)點和多個主題，各所述網(wǎng)絡(luò)節(jié)點對應主動向量和被動向量，所述主動向量和所述被動向量中包括待求解參數(shù)；所述生成模塊12用于，根據(jù)各所述網(wǎng)絡(luò)節(jié)點的主動向量，生成擴散數(shù)據(jù)；所述獲取模塊13用于，獲取預設(shè)時長內(nèi)、所述擴散數(shù)據(jù)在所述擴散網(wǎng)絡(luò)中擴散的統(tǒng)計數(shù)據(jù)；所述第一確定模塊14用于，根據(jù)所述統(tǒng)計數(shù)據(jù)，確定所述待求解參數(shù)的參數(shù)值；所述第二確定模塊15用于，根據(jù)所述待求解參數(shù)的參數(shù)值，確定第一網(wǎng)絡(luò)節(jié)點的主動向量和第二網(wǎng)絡(luò)的被動向量，所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點為所述擴散網(wǎng)絡(luò)中的任意兩個節(jié)點；所述第三確定模塊16用于，根據(jù)所述第一網(wǎng)絡(luò)節(jié)點的主動向量和所述第二網(wǎng)絡(luò)節(jié)點的被動向量，確定所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率。本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預測裝置可以執(zhí)行上述方法實施例所示的技術(shù)方案，其實現(xiàn)原理以及有益效果類似，此處不再進行贅述。在一種可能的實施方式中，所述構(gòu)建模塊11具體用于：接收用戶輸入的主題個數(shù)；根據(jù)所述主題個數(shù)，創(chuàng)建多個主題，并生成主題活躍度向量；接收用戶輸入的網(wǎng)絡(luò)節(jié)點個數(shù)；根據(jù)所述網(wǎng)絡(luò)節(jié)點個數(shù)，創(chuàng)建多個網(wǎng)絡(luò)節(jié)點；生成各所述網(wǎng)絡(luò)節(jié)點的主動向量和被動向量；根據(jù)所述多個主題和所述多個網(wǎng)絡(luò)節(jié)點，構(gòu)建所述擴散網(wǎng)絡(luò)。在另一種可能的實施方式中，所述獲取模塊13具體用于：確定所述擴散數(shù)據(jù)的主題分布向量；根據(jù)所述主題分布向量，確定所述擴散數(shù)據(jù)的傳播通道；根據(jù)所述傳播通道，確定所述轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的次數(shù)、及轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的時刻；根據(jù)所述預設(shè)時長內(nèi)、轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的次數(shù)、及轉(zhuǎn)發(fā)所述擴散數(shù)據(jù)的時刻，確定所述統(tǒng)計數(shù)據(jù)。在另一種可能的實施方式中，所述第一確定模塊14具體用于：根據(jù)Metropolis-within-gibbs算法、及所述統(tǒng)計數(shù)據(jù)，對所述待求解參數(shù)進行求解，得到所述參數(shù)值。在另一種可能的實施方式中，所述第三確定模塊16具體用于：根據(jù)如下公式一，確定所述第一網(wǎng)絡(luò)節(jié)點和所述第二網(wǎng)絡(luò)節(jié)點之間發(fā)生網(wǎng)絡(luò)鏈接的概率P：P＝Aik×Sjk×πk公式一；其中，所述Aik為用戶i的主動向量中的第k個分量，所述Sjk為用戶j的被動向量中的第k個分量，所述πk為第k主題的活躍度。本發(fā)明實施例提供的網(wǎng)絡(luò)鏈接預測裝置可以執(zhí)行上述方法實施例所示的技術(shù)方案，其實現(xiàn)原理以及有益效果類似，此處不再進行贅述。本領(lǐng)域普通技術(shù)人員可以理解：實現(xiàn)上述各方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成。前述的程序可以存儲于一計算機可讀取存儲介質(zhì)中。該程序在執(zhí)行時，執(zhí)行包括上述各方法實施例的步驟；而前述的存儲介質(zhì)包括：ROM、RAM、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。最后應說明的是：以上各實施例僅用以說明本發(fā)明實施例的技術(shù)方案，而非對其限制；盡管參照前述各實施例對本發(fā)明實施例進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應當理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分或者全部技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應技術(shù)方案的本質(zhì)脫離本發(fā)明實施例方案的范圍。當前第1頁1 2 3