【技术实现步骤摘要】
本专利技术涉及链路预测，尤其是涉及一种基于掩码机制的离散动态图神经网络链路预测方法及系统。
技术介绍
1、随着社交平台用户数量和交互行为的持续增长，社交网络中的结构演化日益频繁和复杂。用户之间的关系不断建立、消失或演变，形成典型的动态图结构。如何在此类动态环境中有效建模用户关系，并预测潜在的社交链接，已成为当前图计算与人工智能领域的研究热点。为此，动态图神经网络（dynamic graph neural network, dgnn）技术应运而生，广泛用于捕捉社交网络中节点与边随时间演化的行为模式。
2、在社交网络建模中，链路预测任务尤为关键，其目标是在给定用户历史交互数据的基础上，预测未来可能新增的关系边，如好友推荐、关注建议等。这一任务不仅直接影响社交平台的推荐质量与用户活跃度，也对信息传播分析、社群结构演化建模等下游任务具有重要意义。因此，提升动态图链路预测的准确性、鲁棒性与实时响应能力，是当前学术界与工业界的核心诉求。
3、目前主流的动态图建模方法可分为两类：一类为连续时间建模方法，通过构建时间序列表示节点...
【技术保护点】
1.一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，所述基于用户交互日志数据集构建离散时间动态图快照序列，包括输入包含时间戳的交互日志数据集，并按时间戳划分为个离散时间窗口：，每个时间窗口对应一个图快照 ，其中，与表示在时间发生交互的两个节点，，分别为对应节点的静态属性和统计特征向量，为交互总数量；在每个时间窗口中，抽取发生于该时间段内的交互对，将其构建为边集合，节点集合由所有发生交互的用户组成，进而构建邻接矩阵并为每个节点构造节点特征矩阵。
...【技术特征摘要】
1.一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，包括：
2.根据权利要求1所述的一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，所述基于用户交互日志数据集构建离散时间动态图快照序列，包括输入包含时间戳的交互日志数据集，并按时间戳划分为个离散时间窗口：，每个时间窗口对应一个图快照 ，其中，与表示在时间发生交互的两个节点，，分别为对应节点的静态属性和统计特征向量，为交互总数量；在每个时间窗口中，抽取发生于该时间段内的交互对，将其构建为边集合，节点集合由所有发生交互的用户组成，进而构建邻接矩阵并为每个节点构造节点特征矩阵。
3.根据权利要求2所述的一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，所述引入节点活跃度评分机制用以衡量用户节点在不同时间步图中的交互活跃程度与结构重要性，包括为每个时间步中的节点定义一个活跃度分数，该分数由两个部分组成：节点动态变化分数与节点重要性分数，两者按权重比例进行融合，其中，利用节点动态变化分数刻画用户在时间序列中邻居结构的变动情况，表示为：
4.根据权利要求3所述的一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，所述引入节点活跃度评分机制用以衡量用户节点在不同时间步图中的交互活跃程度与结构重要性，还包括利用节点重要性分数衡量节点在图结构中的整体重要性，综合考虑节点在图中的随机访问概率以及邻居节点的重要性贡献，以全面反映用户在整体社交网络中的传播潜力与结构影响力，其中，采用pagerank算法作为节点全局重要性评分的计算方法，表示为：
5.根据权利要求4所述的一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，所述构建基于节点活跃度的自监督时间掩码机制以降低动态图中冗余边干扰，包括利用活跃度信息自适应调整边的掩盖概率，引导模型聚焦于高价值结构信号，其中，设当前时间步中，任意两个节点、之间存在边，则该边的初始掩码概率为：，其中， 与 分别为...
【专利技术属性】
技术研发人员：于彦伟，何一鸣，李享，齐建鹏，董军宇，
申请(专利权)人：中国海洋大学，
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。