一种基于极性属性和平衡理论的符号二部图的符号预测方法

摘要

本发明公开了一种基于极性属性和平衡理论的符号二部图的符号预测方法。为了使图神经网络能够在符号二部图的同类型节点之间聚合信息，本发明在符号二部图中引入了新的极性属性，考虑让极性值相似的节点拥有相近的特征向量，通过启发式信息得到的初始极性值来构造单模投影。为了对符号二部图的正负链接部分进行有效处理，本发明将单模投影后的符号二部图划分成正邻接矩阵和负邻接矩阵分别使用图卷积神经网络提取特征。本发明基于社会心理学的平衡理论预测节点之间的关系，结合图卷积神经网络的预测结果优化对符号二部图的给定边的符号预测，提出了第一个基于符号二部图的图神经网络——基于极性的图卷积网络。本发明方法具有有效性和高效性。