TWI470448B - 針對物件之間轉移考慮時序關係的二分網路投影方法、產生物件熱門度指數的方法、估算轉移機率的方法以及未發生事件的連結預測方法 - Google Patents

針對物件之間轉移考慮時序關係的二分網路投影方法、產生物件熱門度指數的方法、估算轉移機率的方法以及未發生事件的連結預測方法 Download PDF

Info

Publication number
TWI470448B
TWI470448B TW102100767A TW102100767A TWI470448B TW I470448 B TWI470448 B TW I470448B TW 102100767 A TW102100767 A TW 102100767A TW 102100767 A TW102100767 A TW 102100767A TW I470448 B TWI470448 B TW I470448B
Authority
TW
Taiwan
Prior art keywords
time
transfer
user
weights
transitions
Prior art date
Application number
TW102100767A
Other languages
English (en)
Other versions
TW201428510A (zh
Inventor
Sheau Harn Yu
Wan Jiun Liao
Cheng Shang Chang
Original Assignee
Univ Nat Taiwan
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Univ Nat Taiwan filed Critical Univ Nat Taiwan
Priority to TW102100767A priority Critical patent/TWI470448B/zh
Publication of TW201428510A publication Critical patent/TW201428510A/zh
Application granted granted Critical
Publication of TWI470448B publication Critical patent/TWI470448B/zh

Links

Landscapes

  • Information Transfer Between Computers (AREA)

Description

針對物件之間轉移考慮時序關係的二分網路投影方法、產 生物件熱門度指數的方法、估算轉移機率的方法以及未發生事件的連結預測方法
本發明系關於一種時間二分投影方法；特別關於產生一種關於物件之間轉移趨勢的時間二分投影圖的方法。
現今線上社群網路相當普及且非常多變化。全世界許多人可透過社群網路隨時彼此互動、發表意見、分享檔案、瀏覽或購買物品，因此通常他們可以依據時間指標以二分網路模型化。一般來說，二分網路(bipartite network)具有兩種節點，包括使用者(user)與物件(object)，其中物件可例如為產品、檔案、論文等，而作者-研討會資料組即使用者為作者、物件為研討會的二分網路，於是二分網路亦可命名為使用者-物件網路。
傳統的二分網路投影(bipartite network projection)方法為將二分網路圖(bipartite graph)投影為原二分網路圖的兩個單種節點的單部分網路圖(unipartite graph)。針對二分社群網路，使用者與物件即為其兩種節點，則傳統的二分網路投影方法將使用者-物件圖投影至一個使用者圖及一個物件圖。實際上有許多二分網路投影方法可實現上述的投影。舉例來說，第1圖顯示一種傳統二分網路投影 方法的示意圖，如第1圖所示，使用者-物件二分網路GUO 包括一組使用者節點U={u1 ,u2 ,…u7 }以及一組與使用者節點U互相連結的物件節點O={o1 ,o2, …o5 }，使用者-物件二分網路GUO 投影至一使用者網路GU 及一物件網路GO ，且使用者網路GU 與物件網路GO 中分別具有連結，其是透過使用者投影PU 以及物件投影PO 將任兩個同類的節點在使用者-物件二分網路GUO 中具有共同的鄰接點連結起來所得到。然而，由於傳統的二分網路投影方法僅是簡單地將未加權重的使用者-物件二分網路網路GUO 映射至使用者網路GU 或物件網路GO ，這樣的方法將無法使所有的與時間有關的二分網路轉換成一單一網路。如此將導致遺失具有參考價值的時間資訊以及個別使用者的物件轉移歷史，而且在沒有時間資訊下要發現一物件是否為另一個物件的替代物是相當困難的。
因此，針對物件之間提出一種考慮時序關係的二分網路投影方法是有其必要的。
有鑑於先前技術之缺點，因此，需要發展一種針對物件之間考慮時序關係的二分網路投影方法、一種產生物件熱門度指數的方法、一種估算物件之間轉移機率的方法以及一種針對未發生事件的連結預測方法。
根據本發明之一實施例，針對物件之間考慮時序關係的二分網路投影方法乃是由電腦所執行，其方法包括以下步驟：接收一使用者-物件資料組，其中該使用者-物件資料組包括一組使用者、一組物件、以及一組該些使用者涉及該些物件的發生時間；對該使用者-物件資料組進行資料處理，以取得一組有關於第n個使用者於時間at 涉及(link)第m個物件的使用者-物件權重，並藉由該些使用者-物件權重組成一序列以時間分類之使用者-物件權重二分網路{Gt ,t=1, 2,…,T}；根據該些使用者-物件權重二分網路Gt 針對第n個使用者於第一時間t1 涉及第i個物件而後於第二時間t2 涉及第j個物件定義一序列之轉移R(n,i,t1 ,j,t2 )；根據一預定規則分配一組對應到該些轉移R(n,i,t1 ,j,t2 )的轉移權重w(n,i,t1 ,j,t2 )加總所有該些使用者從涉及第i個物件轉而涉及第j個物件該些轉移權重w(n,i,t1 ,j,t2 )，以得到一序列之轉移趨勢；以及藉由該些轉移權重w(n,i,t1 ,j,t2 )建立所有物件之間的時間投影圖。
根據本發明之另一實施例，針對物件之間產生物件熱門度指數的方法乃是由電腦所執行，其方法包括以下步驟：建立時間投影圖，並以鄰接矩陣形式呈現為一時間投影矩陣；估算該時間投影矩陣的第i行中非零元素之一第一累積個數以作為該第i物件的一連入次數din (i)，以及第i列中非零元素之一第二累積個數以作為該第i物件的一連出次數dout (i)；以及計算該連入次數din (i)與該連入次數din (i)及連出次數dout (i)總和之比值以作為該第i物件的熱門度指數Popul(i)。
根據本發明之另一實施例，估算物件之間轉移機率的方法乃是由電腦所執行，其方法包括以下步驟：建立時間投影圖，並以鄰接矩陣形式呈現為一時間投影矩陣；加總該時間投影矩陣中第i列的所有元素；以及透過計算該轉移趨勢與該時間投影矩陣中第i列的所有元素總和之比值取得所有使用者從涉及該第i個物件轉而涉及該第j個物件的轉移機率pi,j 。
根據本發明之另一實施例，針對未發生事件的物件連結預測方法乃是由電腦所執行，其方法包括以下步驟：建立時間投影圖；針對所有使用者的一未發生事件定義一組潛在轉移Rp (n,i,t3 ,j,T+1)，該些潛在轉移Rp (n,i,t3 ,j,T+1)表示第n個使用者於第三個時間t3 從涉及第i個物件而後於一目標時間T+1涉及第j個物件；根據一第二預定規則分配一組對應到該些潛在轉移Rp (n,i,t3 ,j,T+1)的潛在轉移權重wp (n,i, t3 ,j,T+1)；針對該些使用者的每一個加總其於該目標時間T+1轉移至涉及第j個物件的所有該些潛在轉移權重wp (n,i,t3 ,j,T+1)，以取得一序列之評分Score(n,j)；以及排序該些評分Score(n,j)以作為所有使用者轉而涉及第j個物件的該未發生事件之連結預測的參考。
本發明之針對物件之間考慮時序關係的二分網路投影方法及其應用方法(包括產生物件熱門度指數的方法、估算物件之間轉移機率的方法以及針對未發生事件的物件連結預測方法)能提供與時序有關的時間投影圖、物件熱門度指數、物件之間轉移機率以及物件連結預測，藉由分配物件之間的轉移權重來定義物間之間的替代關係，以得到物件之間的轉移趨勢，藉此作為社會集體對於物件的偏好變化指標。
U、u1 ~u7 ‧‧‧使用者
O、o1 ~o5 ‧‧‧物件
GUO ‧‧‧使用者-物件二分網路
PU ‧‧‧使用者投影
PO ‧‧‧物件投影
GU ‧‧‧使用者網路
GO ‧‧‧物件網路
D‧‧‧使用者-物件資料組
d1 、d2 、d3 、d4 ‧‧‧資料
U1 、U2 ‧‧‧使用者/作者
O1 ~O3 ‧‧‧物件/研討會
a1 、a2 ‧‧‧時間/年份
G1 ~G3 ‧‧‧使用者-物件權重二分網路
Ra ~Rk ‧‧‧轉移
‧‧‧時間投影圖
S201~S211‧‧‧針對物件之間考慮時序關係的二分網路投影方法步驟
S301~S305‧‧‧產生物件熱門度指數的方法步驟
S401~S405‧‧‧估算物件之間轉移機率的方法步驟
S501~S509‧‧‧針對未發生事件的物件連結預測方法步驟
第1圖係為傳統二分投影方法的示意圖。
第2A圖係根據本發明針對物件之間考慮時序關係的二分網路投影方法之使用者-物件資料組之一實施例的示意圖。
第2B圖係根據本發明針對物件之間考慮時序關係的二分網路投影方法之使用者-物件權重二分網路之一實施例的示意圖。
第2C圖係根據本發明針對物件之間考慮時序關係的二分網路投影方法之物件轉移權重以及時間投影圖的一實施例的示意圖。
第2D圖係根據本發明針對物件之間考慮時序關係的二分網路投影方法之一實施例的步驟流程圖。
第3圖係根據本發明產生物件熱門度指數的方 法之一實施例的步驟流程圖。
第4圖係根據本發明估算物件之間轉移機率的方法之一實施例的步驟流程圖。
第5圖係根據本發明針對未發生事件的物件連結預測方法之一實施例的步驟流程圖。
為進一步說明各實施例，本發明乃提供有圖式。此些圖式乃為本發明揭露內容之一部分，其主要係用以說明實施例，並可配合說明書之相關描述來解釋實施例的運作原理。配合參考這些內容，本領域具有通常知識者應能理解其他可能的實施方式以及本發明之優點。圖中的元件並未按比例繪製，而類似的元件符號通常用來表示類似的元件。
請參考第2D圖，並一併參考第2A圖至第2C圖。第2A圖係根據本發明針對物件之間轉移考慮時序關係的二分網路投影方法之使用者-物件資料組之一實施例的示意圖；第2B圖顯示本發明針對物件之間考慮時序關係的二分網路投影方法之使用者-物件權重二分網路之一實施例的示意圖；第2C圖顯示本發明針對物件之間考慮時序關係的二分網路投影方法之物件轉移權重以及時間投影圖的一實施例的示意圖；第2D圖顯示本發明針對物件之間考慮時序關係的二分網路投影方法之一實施例的步驟流程圖。
根據一實施例，針對物件轉移之間考慮時序關係的二分網路投影方法包括以下步驟：首先，由一電腦接收一使用者-物件資料組(user-object dataset)D，該使用者-物件資料組D包括複數筆資料d1 -d4 ，其中每一筆資料(d1 、d2 、d3 、或d4 )包括一組使用者Uk 、一組物件Op 以及一組當多個使用者Uk 分別涉及多個物件Op 的發生時間at (S201)。如第2A圖 所示，本實施例的使用者-物件資料組D舉研討會資料組為例，即物件Op 舉研討會為例，使用者Uk 舉作者為例，而發生時間at 舉出版年份為例。其中，k=1、2、…、N；p=1、2、…、M；t=1、2、…、T，則aT 表示一訓練期間(training period)，即針對使用者-物件資料組D中有興趣的發生期間。需注意的是，使用者與物件不限於作者與研討會，其他使用者與對應的物件亦可應用於本實施例之二分網路投影方法。
然後，電腦對使用者-物件資料組D執行一資料處理程序，資料處理程序例如以時間、使用者、或物件來分類使用者-物件資料組D中的資料，以產生一序列之使用者-物件權重二分網路{Gt ,t=1,2,…,T}，如第2B圖所示，使用者-物件權重二分網路Gt 係以鄰接矩陣(adjacency matrix)形式呈現，且矩陣是由一序列之使用者-物件權重所組成(S203)。多個使用者-物件權重分別為第t個使用者-物件權重二分網路Gt 中的第n列第m行的元素，表示一介於第n個使用者與第m個物件之間於時間at 的權重(連結次數)。舉例來說，當使用者Uk 的個數為2，Op 物件的個數為3時，且訓練期間T為3(年)時，則，使用者-物件權重二分網路Gt 分別為2*3的矩陣，其中G1 中的第1列第1行元素的值為1，表示第1個使用者U1 曾經在第一時間/年份a1 投稿/發表至第一個研討會O1 一次；G1 中的第2列第1行元素的值為2，表示第2個使用者U2 曾經在第一時間/年份a1 投稿/發表至第一個研討會O1 二次。
此外，電腦還可根據使用者-物件權重二分網路Gt 中的多個使用者-物件權重針對第n個使用者Un 於第一時間t1 涉及第i個物件Oi 而後於第二時間t2 涉及第j個物件Oj 定義一組轉移R(n,i,t1 ,j,t2 )，其中1≦n≦N，1≦t1 <t2 ≦T，且1≦(i、j)≦M(S205)。舉例來說，如第2C圖所示，轉移Ra (1,1,1,2,2)表示第一使用者U1 於時間a1 涉及第一物件O1 而後於時間a2 涉及第二物件O2 。
然後，電腦可根據一預定規則分配一組對應到多個轉移R(n,i,t1 ,j,t2 )的轉移權重w(n,i,t1 ,j,t2 )(S207)。其中預定規則於後方將詳細說明。
之後，電腦可加總所有使用者Uk 從涉及第i個物件轉而涉及第j個物件的轉移權重w(n,i,t1 ,j,t2 )，以得到一序列之轉移趨勢(S209)，轉移趨勢滿足關係式：
最後，電腦可藉由多個轉移趨勢建立所有物件Op 之間的一時間投影圖(S211)。更具體地說，多個轉移趨勢的每一個表示時間投影圖的第i列第j行元素。
根據一實施例，分配一組對應到多個轉移R(n,i,t1 ,j,t2 )的轉移權重w(n,i,t1 ,j,t2 )的預定規則包括以下步驟：多個轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著多個轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加。也就是說，最近的轉移相較於較久之前的轉移應具有較大的轉移權重，因此，電腦可針對多個轉移權重w(n,i,t1 ,j,t2 )的每一個定義一第一權重因子α1 (t1 )，該第一權重因子α1 (t1 )隨著第一時間t1 增加。
根據一實施例，分配一組對應到多個轉移R(n,i,t1 ,j,t2 )的轉移權重w(n,i,t1 ,j,t2 )的預定規則包括以下步驟：多個轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著第n個使用者Un 於第一時間t1 涉及第i個物件Oi 的使用者-物件權重增加。也就是說，當一個使用者於第一時間t1 涉及不同的物件(Oi1 或Oi2 )時，具有較大的使用者-物件權重的一第一轉移R1 相較於具有較小的使用者-物件權重的一第二轉移R2 具有較大的轉移權重。因此，電腦可針對多個轉移權重w(n,i,t1 ,j,t2 )的每一個定義一第二權重因子α2 ()，該第二權重因子α2 ()隨著使用者於第一時間t1 的使用者-物件權重增加。
根據一實施例，分配一組對應到多個轉移R(n,i,t1 ,j,t2 )的轉移權重w(n,i,t1 ,j,t2 )的預定規則包括以下步驟：多個轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著多個轉移R(n,i,t1 ,j,t2 )的每一個的發生時間區間(t2 -t1 )減少。也就是說，具有較短的時間區間的轉移相較於具有較長時間區間的轉移具有較大的轉移權重。因此，電腦可可針對多個轉移權重w(n,i,t1 ,j,t2 )的每一個定義一第三權重因子α3 (t2 -t1 )，該第三權重因子α3 (t2 -t1 )隨著轉移的發生時間區間(t2 -t1 )減少。
根據一實施例，分配一組對應到多個轉移R(n,i,t1 ,j,t2 )的轉移權重w(n,i,t1 ,j,t2 )的預定規則包括以下步驟：針對所有使用者Uk 的多個轉移R(n,i,t1 ,j,t2 )的每一個應該被標準化(normalized)。由於多個轉移趨勢表示大眾對物件Op 的偏好，因此，分配多個轉移權重w(n,i,t1 ,j,t2 )時應避免其中一使用者支配了大眾的偏好。例如，當一使用者Un 在一非常小的第一時間t1 (很久以前)具有一轉移R(n,i,t1 ,j,t2 )，則使用者Un 在使用者-物件權重二分網路Gt 中可能具有相當多的轉移R(n,i,t1 ,j,t2 )。因此，電腦可針對每一個使用者Un 的多個轉移R(n,i,t1 ,j,t2 )定義一第四權重因子α4 (n,t1 )以進行標準化。
實際實施時，電腦可利用上述四個權重因子α1 、α2 、α3 、α4 的乘積得到多個轉移權重w(n,i,t1 ,j,t2 )，如下列式子(1)：
為了簡化計算，電腦假設第四權重因子α4 (n,t1 )可由第二權重因子α2 ()以及第三權重因子α3 (t2 -t1 )決定，如下列式子(2)：
式子(2)中的表示針對具有正的使用者-物件權重的一指標變數(indicator variable)，滿足下列式子(3)：
於是電腦可將式子(2)與式子(3)合併至式子(1)以得到多個轉移權重w(n,i,t1 ,j,t2 )，如以下式子(4)：
此外，電腦可藉由假設α1 (t)=α3 (T-t)=α(t)以及α2 ()=來簡化轉移權重w(n,i,t1 ,j,t2 )。於是，轉移權重w(n,i,t1 ,j,t2 )滿足以下式子(5)：
因此，轉移趨勢滿足以下式子(6)：
式子(6)中當>0，則電腦設定變數=1，否則設定變數=0。需注意的是，只有在兩物件之間存在有轉移R(n,i,t1 ,j,t2 )時，則>0且=1。
根據一實施例，電腦假設式子(6)中的α(t)=(0.8)T-t 。舉例說明轉移趨勢的計算過程，電腦可將T=3、轉移Ra (1,1,1,2,2)、Rb (1,1,1,2,3)以及使用者-物件權重帶入式子(6)中計算第一使用者U1 從涉及第一物件O1 轉而涉及第二物件O2 的轉移趨勢得到：
同理，計算出其他轉移趨勢、、、，以得到時間投影圖。根據一實施例，電腦可將時間投影圖以矩陣形式呈現，並儲存於電腦之記憶體中。
請參考第3圖，第3圖顯示本發明產生物件熱門度指數的方法之一實施例的步驟流程圖。產生物件熱門度指數的方法包括以下步驟：首先，根據上述實施例建立以矩陣形式呈現的時間投影圖(S301)；接著，電腦可估算時間投影圖的第i行中非零元素之一第一累積個數，以作為一連入次數din (i)，以及估算時間投影圖的第i列中非零元素之一第二累積個數，以作為一連出次數dout (i)(S303)；最後，電腦透過計算連入次數din (i)與連入次數din (i)及連出次數dout (i)總和之比值以作為第i個物件Oi 的熱門度指數Popul(i)(S305)。
須注意的是，針對所有物件Op 的任一個，其熱門度指數Popul(i)的值是介於0與1之間。此外，當第i個物件Oi 的連入次數din (i)與連出次數dout (i)的關係滿足din (i)>>dout (i)，則其熱門度指數Popul(i)→1。也就是說，當第i個物件Oi 具有一較高的熱門度指數Popul(i)，表示有許多使用者從涉及其他物件轉移至涉及第i個物件Oi ，即第i個物件Oi 目前是流行的。另一方面，當第i個物件Oi 的連入次數din (i)與連出次數dout (i)的關係滿足din (i)<<dout (i)，則其熱門度指數Popul(i)→0。也就是說，當第i個物件Oi 具有一較低的熱門度指數Popul(i)，表示有許多使用者從涉及第i個物件O轉移至其他物件，即第i個物件Oi 過去是流行的，但現在較不流行。
請參考第4圖，其顯示本發明估算物件之間轉移機率的方法之一實施例的步驟流程圖。估算物件之間轉移機率的方法包括以下步驟：首先，根據上述實施例建立以矩陣形式呈現的時間投影圖(S401)；接著，電腦加總時間投影圖的第i列的所有元素(S403)；最後，電腦透過計算轉移趨勢與時間投影圖中第i列所有元素的總和之比值取得所有使用者Un 從涉及第i個物件Oi 轉而涉及第j個物件(目 標物件)Oj 的轉移機率pi,j (S405)。
請參考第5圖，其顯示本發明針對未發生事件的物件連結預測方法之一實施例的步驟流程圖。針對未發生事件的物件連結預測方法的步驟包括以下步驟：首先根據上述實施例建立以矩陣形式呈現的時間投影圖(S501)；接著，電腦針對所有使用者Uk 的每一個從第三時間t3 涉及第i個物件Oi 而後於一目標時間T+1涉及第j個物件Oj 的未發生事件定義一組潛在轉移Rp (n,i,t3 ,j,T+1)(S503)。
然後，電腦根據一第二預定規則分配一組對應到潛在轉移Rp (n,i,t3 ,j,T+1)的潛在轉移權重wp (n,i,t3 ,j,T+1)(S505)。其中第二預定規則將於之後作進一步的說明。
之後，電腦針對時間投影圖的多個使用者Uk 的每一個加總其從其他物件轉而於目標時間T+1轉移至涉及第j個物件Oj 的所有潛在轉移權重wp (n,i,t3 ,j,T+1)，以得到 一序列之評分(S507)。
最後，電腦對所有評分Score(n,j)作排序，以作為所有使用者從其他物件轉而涉及第j個物件Oj 的未發生事件之連結預測的參考(S509)。
根據一實施例，第二預定規則包括：多個潛在轉移權重wp (n,i,t3 ,j,T+1)是隨著潛在轉移Rp (n,i,t3 ,j,T+1)的每一個發生的第三時間t3 增加。與第一權重因子α1 類似，電腦可針對潛在轉移Rp (n,i,t3 ,j,T+1)的每一個定義一第五權重因子α5 (t3 )，該第五權重因子α5 (t3 )隨著第三時間t3 增加。
根據一實施例，第二預定規則包括：多個潛在轉移權重wp (n,i,t3 ,j,T+1)是隨著的第n個使用者Un 於第三時間t3 涉及第i個物件Oi 的使用者-物件權重增加。與第二權重因子類似，電腦可針對潛在轉移權重wp (n,i,t3 ,j,T+1)的每一個定義一個第六權重因子，該第六權重因子α6 ()隨著使用者於第三時間t3 的使用者-物件權重增加。
根據一實施例，第二預定規則包括：多個潛在轉 移權重wp (n,i,t3 ,j,T+1)的每一個是隨著潛在轉移Rp (n,i,t3 ,j,T+1)的每一個的發生時間區間(T+1-t3 )減少。與第三權重因子α3 類似，電腦可針對多個轉移權重w(n,i,t1 ,j,t2 )的每一個定義一第七權重因子α3 (T+1-t3 )，該第七權重因子α3 (T+1-t3 )隨著轉移的發生時間區間(T+1-t3 )減少。
根據一實施例，第二預定規則包括：多個潛在轉移權重wp (n,i,t3 ,j,T+1)的每一個是隨著多個轉移機率pi,j 的每一個增加，其中轉移機率pi,j 的計算方法可參考上述實施例。即針對轉移至涉及目標物件Oj 的許多潛在轉移而言，從一物件轉移至涉及一目標物件Oj 具有較大轉移機率的潛在轉移，相較於從另一物件轉移至涉及同一目標物件Oj 具有較小轉移機率的潛在轉移具有較大的潛在轉移權重。因此，電腦可定義一第八權重因子α8 (pi,j )，該第八權重因子α8 (pi,j )是隨著多個轉移機率pi,j 的每一個增加。
實際實施時，電腦可利用上述四個權重因子α5 、α6 、α7 、α8 的乘積得到多個潛在轉移權重wp (n,i,t3 ,j,T+1)，如下列式子(7)：
為了簡化計算潛在轉移權重wp (n ,i,t3 ,j,T+1)的 過程，電腦假設四個權重因子α5 、α6 、α7 、α8 的關係滿足以下關係式(8)~(10)：α5 (t 3 )×α7 (T +1-t 3 )=α(t )……………………(8)
α8 (p i ,j )=p i ,j ……………………(10)
因此，潛在轉移權重wp (n ,i,t3 ,j,T+1)可進一步滿足關係式(11)：
因此，針對時間投影圖的多個使用者Uk 的每一個加總其從其他物件轉而於目標時間T+1轉移至涉及第j個物件Oj 的所有潛在轉移權重wp (n,i,t3 ,j,T+1)，以得到一序列 之評分可由關係式(11)得到：
實際實施時，轉移機率pi,j 可由電腦預先計算並 將計算結果儲存於記憶體中。根據一實施例，電腦假設α(t)=(0.8)T-t ，則針對時間投影圖的所有使用者Uk 的評分Score(n,j)可由下列式子(13)~(18)計算得到：
藉此，電腦可對上述不同的評分Score(n,j)進行 排序，以作為未發生事件之連結預測的參考。舉例來說，式子(13)~(18)顯示評分Score(1,2)具有最大值，表示第一使用者將來轉而涉及第二物件的可能最高。
以上實施例所述之針對物件之間考慮時序關係的二分網路投影方法可取得一組物件之間的轉移趨勢，透過物件之間的轉移趨勢可產生物件熱門度指數以及估算物件之間轉移機率。此外透過物件之間的轉移趨勢可針對未發生事件的物件進行連結預測。
以上敍述依據本發明多個不同實施例，其中各項特徵可以單一或不同結合方式實施。因此，本發明實施方式之揭露為闡明本發明原則之具體實施例，應不拘限本發明於所揭示的實施例。進一步言之，先前敍述及其附圖僅為本發明示範之用，並不受其限囿。其他元件之變化或組合皆可能，且不悖于本發明之精神與範圍。
S201~S211‧‧‧物件之間的時間二分投影方法步驟

Claims (31)

  1. 一種由電腦執行的針對物件之間轉移(transition)考慮時序關係的二分網路投影方法，包括：接收一使用者-物件資料組，其中該使用者-物件資料組包括一組使用者、一組物件、以及一組該些使用者涉及該些物件的發生時間；對該使用者-物件資料組進行資料處理，以取得一組有關於第n個使用者於時間at 涉及(link)第m個物件的使用者-物件權重，並藉由該些使用者-物件權重組成一序列以時間分類之使用者-物件權重二分網路{Gt ,t=1,2,…,T}；根據該些使用者-物件權重二分網路Gt 針對第n個使用者於第一時間t1 涉及第i個物件而後於第二時間t2 涉及第j個物件定義一序列之轉移R(n,i,t1 ,j,t2 )；根據一預定規則分配一組對應到該些轉移R(n,i,t1 ,j,t2 )的轉移權重w(n,i,t1 ,j,t2 )；加總所有該些使用者從涉及第i個物件轉而涉及第j個物件該些轉移權重w(n,i,t1 ,j,t2 )，以得到一序列之轉移趨勢；以及藉由該些轉移權重w(n,i,t1 ,j,t2 )建立所有物件之間轉移的時間投影圖。
  2. 根據申請專利範圍第1項之二分網路投影方法，其中該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是 隨著該些轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加。
  3. 根據申請專利範圍第1項之二分網路投影方法，其中該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著第n個使用者於第一時間t1 涉及第i個物件的使用者-物件權重增加。
  4. 根據申請專利範圍第1項之二分網路投影方法，其中該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個的發生時間區間(t2 -t1 )減少。
  5. 根據申請專利範圍第1項之二分網路投影方法，其中該預定規則包括：需針對每一個使用者的該些轉移R(n,i,t1 ,j,t2 )的每一個進行標準化。
  6. 根據申請專利範圍第1項之二分網路投影方法，其中該些轉移權重w(n,i,t1 ,j,t2 )是依據以下關係式決定：w (n ,i ,t 1 ,j ,t 2 )=α1 (t 1 )×α2 ()×α3 (t 2 -t 1 )×α4 (n ,t 1 )；其中α1 、α2 、α3 、α4 為權重因子，α1 是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加，α2 是隨著第n個使用者於第一時間t1 涉及第i個物件的使用者-物件權重增加，α3 是隨著該些轉移R(n,i,t1 ,j,t2 ) 的每一個的發生時間區間(t2 -t1 )減少，α4 是關於針對每一個使用者標準化該些轉移R(n,i,t1 ,j,t2 )的每一個。
  7. 一種由電腦執行的產生物件熱門度指數的方法，包括：建立一如申請專利範圍第1項之時間投影圖，並以鄰接矩陣形式呈現為一時間投影矩陣；估算該時間投影矩陣的第i行中非零元素之一第一累積個數以作為該第i物件的一連入次數din (i)，以及第i列中非零元素之一第二累積個數以作為該第i物件的一連出次數dout (i)；以及計算該連入次數din (i)與該連入次數din (i)及該連出次數dout (i)總和之比值以作為該第i物件的熱門度指數Popul(i)。
  8. 根據申請專利範圍第7項之產生物件熱門度指數的方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加。
  9. 根據申請專利範圍第7項之產生物件熱門度指數的方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著第n個使用者於第一時間t1 涉及第i個物件的使用者-物件權重增加。
  10. 根據申請專利範圍第7項之產生物件熱門度指數的方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個的發生時間區間(t2 -t1 )減少。
  11. 根據申請專利範圍第7項之產生物件熱門度指數的方法，其中建立該時間投影圖之該預定規則包括：需針對每一個使用者的該些轉移R(n,i,t1 ,j,t2 )的每一個進行標準化。
  12. 根據申請專利範圍第7項之產生物件熱門度指數的方法，其中該些轉移權重w(n,i,t1 ,j,t2 )是依據以下關係式決定：w (n ,i ,t 1 ,j ,t 2 )=α1 (t 1 )×α2 ()×α3 (t 2 -t 1 )×α4 (n ,t 1 )；其中α1 、α2 、α3 、α4 為權重因子，α1 是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加，α2 是隨著第n個使用者於第一時間t1 涉及第i個物件的使用者-物件權重增加，α3 是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個的發生時間區間(t2 -t1 )減少，α4 是關於針對每一個使用者標準化該些轉移R(n,i,t1 ,j,t2 )的每一個。
  13. 一種由電腦執行的估算物件之間轉移機率的方法，包括： 建立一如申請專利範圍第1項之時間投影圖，並以鄰接矩陣形式呈現為一時間投影矩陣；加總該時間投影矩陣中第i列的所有元素；以及透過計算該轉移趨勢與該時間投影矩陣中第i列的所有元素總和之比值取得所有使用者從涉及該第i個物件轉而涉及該第j個物件的轉移機率pi,j 。
  14. 根據申請專利範圍第13項之估算轉移機率的方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加。
  15. 根據申請專利範圍第13項之估算轉移機率的方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著第n個使用者於第一時間t1 涉及第i個物件的使用者-物件權重增加。
  16. 根據申請專利範圍第13項之估算轉移機率的方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個的發生時間區間(t2 -t1 )減少。
  17. 根據申請專利範圍第13項之估算轉移機率的方法，其中建立該時間投影圖之該預定規則包括：需針對每一個使用者的該些轉移R(n,i,t1 ,j,t2 )的每一個進行標準化。
  18. 根據申請專利範圍第13項之估算轉移機率的方法，其中該些轉移權重w(n,i,t1 ,j,t2 )是依據以下關係式決定：w (n ,i ,t 1 ,j ,t 2 )=α1 (t 1 )×α2 ()×α3 (t 2 -t 1 )×α4 (n ,t 1 )；其中α1 、α2 、α3 、α4 為權重因子，α1 是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加，α2 是隨著第n個使用者於第一時間t1 涉及第i個物件的使用者-物件權重增加，α3 是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個的發生時間區間(t2 -t1 )減少，α4 是關於針對每一個使用者標準化該些轉移R(n,i,t1 ,j,t2 )的每一個。
  19. 一種由電腦執行的針對未發生事件的物件連結預測方法，包括：建立一如申請專利範圍第1項之時間投影圖，並以鄰接矩陣形式呈現為一時間投影矩陣；針對所有使用者的一未發生事件定義一組潛在轉移Rp (n,i,t3 ,j,T+1)，該些潛在轉移Rp (n,i,t3 ,j,T+1)表示第n個使用者於第三個時間t3 從涉及第i個物件而後於一目標時間T+1涉及第j個物件；根據一第二預定規則分配一組對應到該些潛在轉移Rp (n,i,t3 ,j,T+1)的潛在轉移權重wp (n,i,t3 ,j,T+1)； 針對該些使用者的每一個加總其於該目標時間T+1轉移至涉及第j個物件的所有該些潛在轉移權重wp (n,i,t3 ,j,T+1)，以取得一序列之評分Score(n,j)；以及排序該些評分Score(n,j)以作為所有使用者轉而涉及第j個物件的該未發生事件之連結預測的參考。
  20. 根據申請專利範圍第19項之物件連結預測方法，其中該第二預定規則包括：該些潛在轉移權重wp (n,i,t3 ,j,T+1)的每一個是隨著該些潛在轉移Rp (n,i,t3 ,j,T+1)的每一個發生的第三時間t3 增加。
  21. 根據申請專利範圍第19項之物件連結預測方法，其中該第二預定規則包括：該些潛在轉移權重wp (n,i,t3 ,j,T+1)的每一個是隨著該些潛在轉移Rp (n,i,t3 ,j,T+1)的每一個是隨著第n個使用者於第三時間t3 涉及第i個物件的使用者-物件權重增加。
  22. 根據申請專利範圍第19項之物件連結預測方法，其中該第二預定規則包括：該些潛在轉移權重wp (n,i,t3 ,j,T+1)的每一個是隨著該些潛在轉移Rp (n,i,t3 ,j,T+1)的每一個的發生時間區間(T+1-t3 )減少。
  23. 根據申請專利範圍第19項之物件連結預測方法，進一步包括：加總該時間投影矩陣的第i列所有元素，以及計 算該轉移趨勢與該時間投影矩陣中第i列的所有元素總和之比值取得所有使用者從涉及該第i個物件轉而涉及該第j個物件的轉移機率pi,j 。
  24. 根據申請專利範圍第23項之物件連結預測方法，其中該第二預定規則包括：該些潛在轉移權重wp (n,i,t3 ,j,T+1)的每一個是隨著該些轉移機率pi,j 的每一個增加。
  25. 根據申請專利範圍第19項之物件連結預測方法，其中該些潛在轉移權重wp (n,i,t3 ,j,T+1)是依據以下關係式決定：w p (n ,i ,t 3 ,j ,T +1)=α5 (t 3 )××p i ,j ；其中α5 為權重因子，該權重因子α5 (t3 )隨著該些潛在轉移Rp (n,i,t3 ,j,T+1)的第三時間t3 增加，表示第n個使用者於該第三時間t3 涉及第i個物件的使用者-物件權重，pi,j 表示所有使用者從涉及該第i個物件轉而涉及該第j個物件的轉移機率。
  26. 根據申請專利範圍第19項之物件連結預測方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加。
  27. 根據申請專利範圍第19項之物件連結預測方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著第n個使用者於第一時間t1 涉及第i個物件的使用者-物件權重增加。
  28. 根據申請專利範圍第19項之物件連結預測方法，其中建立該時間投影圖之該預定規則包括：該些轉移權重w(n,i,t1 ,j,t2 )的每一個是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個的發生時間區間(t2 -t1 )減少。
  29. 根據申請專利範圍第19項之物件連結預測方法，其中建立該時間投影圖之該預定規則包括：需針對每一個使用者的該些轉移R(n,i,t1 ,j,t2 )的每一個進行標準化。
  30. 根據申請專利範圍第19項之物件連結預測方法，其中該些轉移權重w(n,i,t1 ,j,t2 )是依據以下關係式決定：w (n ,i ,t 1 ,j ,t 2 )=α1 (t 1 )×α2 ()×α3 (t 2 -t 1 )×α4 (n ,t 1 )；其中α1 、α2 、α3 、α4 為權重因子，α1 是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個發生的第一時間t1 增加，α2 是隨著第n個使用者於第一時間t1 涉及第i個物件的使用者-物件權重增加，α3 是隨著該些轉移R(n,i,t1 ,j,t2 )的每一個的發生時間區間(t2 -t1 )減少，α4 是關於針對每一個使用者標準化該些轉移R(n,i,t1 ,j,t2 )的每一個。
  31. 根據申請專利範圍第19項之物件連結預測方法，其中些評分Score(n,j)是依據以下關係式決定：
TW102100767A 2013-01-09 2013-01-09 針對物件之間轉移考慮時序關係的二分網路投影方法、產生物件熱門度指數的方法、估算轉移機率的方法以及未發生事件的連結預測方法 TWI470448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW102100767A TWI470448B (zh) 2013-01-09 2013-01-09 針對物件之間轉移考慮時序關係的二分網路投影方法、產生物件熱門度指數的方法、估算轉移機率的方法以及未發生事件的連結預測方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102100767A TWI470448B (zh) 2013-01-09 2013-01-09 針對物件之間轉移考慮時序關係的二分網路投影方法、產生物件熱門度指數的方法、估算轉移機率的方法以及未發生事件的連結預測方法

Publications (2)

Publication Number Publication Date
TW201428510A TW201428510A (zh) 2014-07-16
TWI470448B true TWI470448B (zh) 2015-01-21

Family

ID=51726090

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102100767A TWI470448B (zh) 2013-01-09 2013-01-09 針對物件之間轉移考慮時序關係的二分網路投影方法、產生物件熱門度指數的方法、估算轉移機率的方法以及未發生事件的連結預測方法

Country Status (1)

Country Link
TW (1) TWI470448B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0964543A2 (en) * 1998-06-09 1999-12-15 Marconi Communications Limited Telecommunications system with tandem connection monitoring
WO2000059144A1 (en) * 1999-03-29 2000-10-05 Lucent Technologies Inc Detection and compensation of ingressing frame offset discontinuities for tandem connection trails
US6915463B2 (en) * 2001-12-26 2005-07-05 Richard Charles Vieregge System and method for performing pre-emptive protection switching
TW200715139A (en) * 2005-10-07 2007-04-16 Benq Corp Projector and authoritizing method for computers thereof
CN102148717A (zh) * 2010-02-04 2011-08-10 明仲 一种二分网络中社团检测方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0964543A2 (en) * 1998-06-09 1999-12-15 Marconi Communications Limited Telecommunications system with tandem connection monitoring
WO2000059144A1 (en) * 1999-03-29 2000-10-05 Lucent Technologies Inc Detection and compensation of ingressing frame offset discontinuities for tandem connection trails
US6915463B2 (en) * 2001-12-26 2005-07-05 Richard Charles Vieregge System and method for performing pre-emptive protection switching
TW200715139A (en) * 2005-10-07 2007-04-16 Benq Corp Projector and authoritizing method for computers thereof
CN102148717A (zh) * 2010-02-04 2011-08-10 明仲 一种二分网络中社团检测方法及装置

Also Published As

Publication number Publication date
TW201428510A (zh) 2014-07-16

Similar Documents

Publication Publication Date Title
Li et al. Project success prediction in crowdfunding environments
JP6722713B2 (ja) ネットワークレーティング予測エンジン
US10824940B1 (en) Temporal ensemble of machine learning models trained during different time intervals
CN104462383B (zh) 一种基于用户多种行为反馈的电影推荐方法
CN109816101A (zh) 一种基于图卷积神经网络的会话序列推荐方法及系统
CN108431833A (zh) 端到端深度协作过滤
US20160034840A1 (en) Adaptive Task Assignment
US20110131163A1 (en) Managing a Portfolio of Experts
Jiang et al. Incentive mechanism design for truth discovery in crowdsourcing with copiers
CN106056398A (zh) 用于收集并呈现复合供应的用户反馈信息的方法和系统
Wang et al. A multidimensional network link prediction algorithm and its application for predicting social relationships
CN108446297A (zh) 一种推荐方法及装置，电子设备
CN108053050A (zh) 点击率预估方法、装置、计算设备及存储介质
Bressan et al. The limits of popularity-based recommendations, and the role of social ties
Xu et al. Predicting advertiser bidding behaviors in sponsored search by rationality modeling
Ruan et al. Exploring trust propagation behaviors in online communities
CN107566249A (zh) 一种训练用于预测社交网络用户转发消息的模型的方法
Du et al. A new trust model for online social networks
CN115270001A (zh) 基于云端协同学习的隐私保护推荐方法及系统
CN113610610A (zh) 基于图神经网络和评论相似度的会话推荐方法和系统
Kruger et al. Axiomatic analysis of aggregation methods for collective annotation
Pal et al. Managing heterogeneous data on a big data platform: a multi-criteria decision making model for data-intensive science
Wang PoissonMat: Remodeling Matrix Factorization using Poisson Distribution and Solving the Cold Start Problem without Input Data
CN110472143A (zh) 一种信息推送方法、装置、可读存储介质及终端设备
CN110287373A (zh) 基于评分预测和用户特征的协同过滤电影推荐方法及系统

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees