一种针对动态网络链接预测的图表示学习方法技术

本发明专利技术提供了一种针对动态网络链接预测的图表示学习方法，每个节点的初始属性向量输入到属性注意力模块，输出是一组新的节点；将初始化权值输入时序注意力模块，经过t次迭代得到具有不同时刻信息的权重矩阵，利用自注意机制输出t时刻的时间注意权值，利用时序信息对模型权值进行加权平均，得到t时刻的时间注意力权值；聚合邻接矩阵、带属性注意力信息的属性矩阵及带有时序注意力信息的权重矩阵到节点嵌入中；使用三重耦合嵌入预测未来的链接，使用MLP计算连接任意两个节点嵌入的在t+1时刻有链接的概率。本发明专利技术通过构建结构、时序与属性三重注意力耦合嵌入，实现动态网络的链接预测，提高模型预测精度。

【技术实现步骤摘要】

本专利技术属于动态网络分析，尤其涉及一种针对动态网络链接预测的图表示学习方法。

技术介绍

1、网络分析作为一种强大的工具出现在各个领域，如社会网络和经济领域。大多数现有算法侧重于静态网络的分析，然而现实世界系统是动态变化的。因此，动态网络中的链路预测已成为近年来研究的热点，它揭示了节点之间的演化模式并预测了节点之间的未来连接。动态网络中链路预测的目的是基于历史信息预测给定网络未来的节点链接状态。例如，在社交网络中，我们可以根据用户的历史行为、朋友以及用户属性来预测用户在社交网络中的未来关系。此外还有通信网络、生物网络、疾病传播网络等。动态网络由不断变化的节点与边缘组成，要在动态网络中实现链接预测，良好的节点表示非常重要。因此，如何构建良好的节点表示，提高动态网络的链接预测精度，使其能够适应更多的现实场景，成为了迫切需要解决的问题。

2、到目前为止，研究人员已经使用了各种方法来预测动态网络中节点的链接情况。例如，有些方法依赖于网络的局部或全局结构信息来计算节点的相似度得分，然后使用该得分来推断节点之间的未来链接。例如ozcan et al.计算了本文档来自技高网...

【技术保护点】

1.一种针对动态网络链接预测的图表示学习方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种针对动态网络链接预测的图表示学习方法，其特征在于，步骤S1包括以下步骤：

3.根据权利要求1所述的一种针对动态网络链接预测的图表示学习方法，其特征在于，步骤S1的具体公式为：

4.根据权利要求1所述的一种针对动态网络链接预测的图表示学习方法，其特征在于，步骤S2的具体公式为：

5.根据权利要求1所述的一种针对动态网络链接预测的图表示学习方法，其特征在于，所述步骤S3中，三重耦合嵌入定义为：

6.根据权利要求1所述的一种针...

【技术特征摘要】

1.一种针对动态网络链接预测的图表示学习方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种针对动态网络链接预测的图表示学习方法，其特征在于，步骤s1包括以下步骤：

3.根据权利要求1所述的一种针对动态网络链接预测的图表示学习方法，其特征在于，步骤s1的具体公式为：

4.根据权利...

【专利技术属性】
技术研发人员：李大刚，钟伟键，
申请(专利权)人：珠海澳科大科技研究院，
类型：发明
国别省市：