一种基于双注意力图神经网络的链路预测方法技术

本发明专利技术公开了一种基于双注意力图神经网络的链路预测方法，获取包含表征不同目标的结点以及结点之间关系的异构图数据集；将异构图数据集并行通过基于双注意力图神经网络的链路预测系统两个路径，分别得到第一信息表征、第二信息表征；将上述第一信息表征和第二信息表征通过评分函数和激活函数计算对应的第一得分和第二得分；计算两个得分的凸组合得到链路预测结果；系统所采用的的损失函数为三个标准二进制交叉熵损失函数之和。提高了链路预测的精度。

【技术实现步骤摘要】

本专利技术涉及人工智能，具体涉及一种基于双注意力图神经网络的链路预测方法。

技术介绍

1、链路预测的目标是预测图中未知或潜在节点之间的关系，在挖掘图中隐含信息、补全图中缺失数据以及发现图中新知识等方面具有重要意义，在社交网络、推荐系统以及知识图谱等领域都有重要应用。链路预测需要学习图中节点的有效表示，涉及到将节点映射到低维向量空间，以便相似的节点具有相近的表示。近年来，图神经网络(graph neuralnetwork,gnn)作为一种强大的图表示学习方法，受到了研究者的广泛关注。gnn通过聚合节点及其邻居的信息来更新节点表示，从而捕获图的结构和属性信息。然而，现有的基于gnn的链路预测方法在预测图结构的连接上还存在一些问题，首先，传统gnn往往容易忽略为链路预测提供额外帮助的边信息的重要性。例如，在用户-商品二分图中，边信息表示用户对商品的评分、评论和点击等，这些信息可以反映用户和商品之间的偏好和相似度。此外，大多数gnn只是捕获表示图的邻居节点间局部相似性的低频信息，但忽略了表示邻居节点间全局差异性的高频信息。低频信息可以帮助平滑节点表示，增强鲁棒性，本文档来自技高网...

【技术保护点】

1.一种基于双注意力图神经网络的链路预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于双注意力图神经网络的链路预测方法，其特征在于，所述步骤(1)具体为：获取包含表征不同目标的结点以及结点之间关系的异构图数据集，并提取结点的特征矩阵X和结点之间关系的邻接矩阵A。

3.根据权利要求2所述的一种基于双注意力图神经网络的链路预测方法，其特征在于，所述步骤(2)中将得到的异构图数据集并行通过基于双注意力图神经网络的链路预测系统两个路径，其中第一条路径为含边信息的频率自适应图注意力网络，得到第一信息表征，第二条路径为压缩-激励通道注意力网络，得到第二信息...

【技术特征摘要】

1.一种基于双注意力图神经网络的链路预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于双注意力图神经网络的链路预测方法，其特征在于，所述步骤(1)具体为：获取包含表征不同目标的结点以及结点之间关系的异构图数据集，并提取结点的特征矩阵x和结点之间关系的邻接矩阵a。

3.根据权利要求2所述的一种基于双注意力图神经网络的链路预测方法，其特征在于，所述步骤(2)中将得到的异构图数据集并行通过基于双注意力图神经网络的链路预测系统两个路径，其中第一条路径为含边信息的频率自适应图注意力网络，得...

【专利技术属性】
技术研发人员：杨永鹏，杨真真，林泽龙，金园园，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：