一种基于Transformer的动态异构网络链路预测方法技术

本发明专利技术公开了一种基于Transformer的动态异构网络链路预测方法，包括：步骤1，以节点和链接集合作为输入，根据定义的动态异构网络构建成一个动态异构网络；步骤2：以构建好的动态异构网络作为输入，通过信息网络的异构表示方法，得到节点在不同视图下的嵌入向量；步骤3：以构建好的动态异构网络作为输入，通过信息网络的动态编码方法，得到具有动态特征的节点嵌入向量；步骤4：整合具有异构特征和动态特征的节点嵌入向量，最小化交叉熵损失函数，得到预测模型；步骤5：通过预测模型获取测试时期网络中节点对的最终嵌入向量，计算相似性并预测链路。基于以上步骤，本发明专利技术验证了针对网络中的已知节点和新节点的链路预测具有良好的效果。已知节点和新节点的链路预测具有良好的效果。已知节点和新节点的链路预测具有良好的效果。

【技术实现步骤摘要】
一种基于Transformer的动态异构网络链路预测方法


[0001]本专利技术属于数据挖掘领域，涉及图神经网络技术，是一种基于Transformer的动态异构网络链路预测方法。

技术介绍

[0002]从社交网络、问答论坛到生物信息学等，研究者把这些领域中用户、商品等看作节点，节点间交互看作链接，这些节点和链接形成一个巨大的信息网络图。大多真实世界的信息网络图具有异构性和动态性，即网络由多类型的节点和链接组成，并且随着时间的推移，新链接及新节点的产生导致网络结构不断演变。链路预测即通过分析网络中异构特征及动态演变等信息，来预测未来时期网络中节点间的链接。链路预测在现实中有很多应用，如在问答论坛上分析信息的扩散规律。因此，对动态异构网络链路预测的探究具有重要的研究价值和实际意义。
[0003]链路预测方法通过对网络表示学习以得到节点嵌入向量，并计算节点向量相似性来预测链路。目前传统的链路预测方法，或忽略异构特征在网络中的重要作用，或忽略动态演变对网络结构的影响，对节点的特征表示不够全面。在此基础上，由于网络演变会产生全新的节点，这要求方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Transformer的动态异构网络链路预测方法，其特征在于，包括：步骤1：以节点和链接集合作为输入，根据定义的动态异构网络构建成一个动态异构网络；步骤2：以构建好的动态异构网络作为输入，通过信息网络的异构表示方法，得到节点在不同链接类型下的嵌入向量；步骤3：以构建好的动态异构网络作为输入，通过信息网络的动态编码方法，得到具有动态特征的节点嵌入向量；步骤4：将具有动态特征的节点嵌入向量分别与不同链接类型下的节点嵌入向量整合，得到节点在不同链接类型下的最终嵌入向量，通过最小化交叉熵损失函数，得到预测模型；步骤5：通过预测模型获取测试时期网络中节点对在某种链接类型下的最终嵌入向量，计算相似性并预测在该链接类型下的链路。2.根据权利要求1所述的一种基于Transformer的动态异构网络链路预测方法构建动态异构网络，其特征在于，对不同类型的节点和链接用不同的编号代替；此外，按照链接发生时间顺序对信息进行排序。3.根据权利要求1所述的一种基于Transformer的动态异构网络链路预测方法，其特征在于，信息网络的异构表示方法按照链接类型分成不同的视图，每个视图只包含一种...

【专利技术属性】
技术研发人员：竹翠，阮贝贝，朱文军，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：