【技术实现步骤摘要】
本专利技术涉及网络链路预测，具体涉及一种基于时序异构图注意力网络的动态链路预测方法及系统。
技术介绍
1、随着互联网的普及和各种网络应用的兴起，网络科学中的链路预测成为了一个重要的研究问题。链路预测是预测网络中的两个节点之间是否有可能存在一条链路，这个问题的解决对于优化网络资源分配、社交网络分析等具有重要意义。现实世界中的网络往往是异构的，包括不同类型的节点和边，并且在现实世界中的网络通常是动态变化的、动态交互的，这种特点使得网络具有高度的复杂性和不确定性。动态变化意味着网络拓扑结构、节点属性、链路属性等信息随着时间和事件的变化而不断演化，需要实时监测和适应。动态交互则表明网络中的节点和链路之间存在着频繁的相互作用和信息传递，导致网络的状态和性能随时可能发生变化。在动态网络链路上进行预测时，需要实时监测网络状态和拓扑变化，考虑网络中链路状态的动态变化，处理数据稀疏和模型泛化能力等挑战。
2、目前传统的链路预测方法存在一些不足之处，其需要实时监测网络状态和拓扑变化，计算复杂度较高，导致实时性和效率不足，动态异构网络中的数据通常...
【技术保护点】
1.一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，步骤三中所述路径级嵌入的计算公式为：
3.根据权利要求2所述的一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，步骤三中所述学习预测时间t之前的时序异构图的节点级别和路径级别的节点信息，聚合异构图的上下文信息，获得含有异构信息的节点嵌入xu(t)包括：
4.根据权利要求3所述的一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，步骤三中所述根据目标节点和...
【技术特征摘要】
1.一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，步骤三中所述路径级嵌入的计算公式为：
3.根据权利要求2所述的一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，步骤三中所述学习预测时间t之前的时序异构图的节点级别和路径级别的节点信息，聚合异构图的上下文信息，获得含有异构信息的节点嵌入xu(t)包括：
4.根据权利要求3所述的一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，步骤三中所述根据目标节点和时序邻居集合中节点的节点特征以及事件的时间特征，获得目标节点的节点时间特征矩阵zs(t)和zn(t)包括：对于时序邻居集合中每个节点，计算事件的映射矩阵meu和计算事件所对应两个节点的投影向量hu(t)和计算两个节点在某一事件上的事件特征和zi(ti)；计算事件的时间嵌入te(t-ti)；最后，将事件特征和时间嵌入进行拼接获得目标节点的时间特征矩阵zs(t)和zn(t)。
5.根据权利要求4所述的一种基于时序异构图注意力网络的动态链路预测方法，其特征在于，步骤三中所述映射矩阵meu和的计算公式为：
6.根据权利要求5所述的一种基于时序异构图注意...
【专利技术属性】
技术研发人员：何慧，陈端静，邰煜，杨洪伟，张伟哲，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
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。