【技术实现步骤摘要】
本专利技术涉及网络链路预测，具体涉及一种有向网络链路预测网络训练方法、应用方法、设备及介质。
技术介绍
1、在现实世界中，许多复杂系统都可以用图或网络来建模，如社交网络、交通网络、生物分子互作网络等。在这些网络中，准确预测潜在的链路对于理解网络结构、优化网络性能以及发现新的关联关系都具有重要意义。
2、链路预测方法有传统相似性度量方法和图神经网络等方法，传统的相似性度量方法如共同邻居法、jaccard系数法等简单直观，但难以捕捉网络中的高阶结构信息。基于图神经网络的链路预测相比于传统方法，能够自动学习节点的低维嵌入表示，在特征提取和表示学习方面相比于传统相似度度量展现出了卓越的性能。但是在许多真实世界的网络中，链路往往具有明显的方向性，反映了节点之间交互的不对称性。例如在社交网络中，用户关注某一博主时，该博主未必会回关该用户，这体现出了关注关系的不对称性。然而现有方法无论是相似性度量方法还是图神经网络方法，都难以有效利用这种链路的方向性信息，导致对具有方向差异的网络链路预测的准确性较差。
3、因此，现有技术存在着...
【技术保护点】
1.一种有向网络链路预测网络训练方法，其特征在于，包括：
2.根据权利要求1所述的有向网络链路预测网络训练方法，其特征在于，所述对获取的有向图进行低秩近似得到节点嵌入表示，根据所述节点嵌入表示构建节点对数据集，包括：
3.根据权利要求1所述的有向网络链路预测网络训练方法，其特征在于，所述对所述节点对数据集进行特征提取得到节点对嵌入特征，包括：
4.根据权利要求1所述的有向网络链路预测网络训练方法，其特征在于，所述对所述节点对嵌入特征进行方向判别得到方向类型概率分布，对所述节点对嵌入特征进行链路预测得到链路存在概率，包括：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。