-
公开(公告)号：CN116306834A
公开(公告)日：2023-06-23
申请号：CN202310289221.4
申请日：2023-03-23
Applicant: 东北大学
IPC: G06N3/048 , G06N3/0464 , G06N3/045 , G06N3/08 , G06Q10/04
Abstract: 本发明提供一种基于全局路径感知图神经网络模型的链路预测方法，涉及复杂网络中链路预测技术领域。本发明结合了属性信息和结构信息，解决了GNN仅仅依赖于平滑的节点特征，忽略图的结构特征问题，同时解决了浅层Embedding学习无法结合节点自身属性的问题。使用欧氏距离度量连边节点间的相似度，很好的将潜在属性信息融合到结构信息提取中。使用结构表示生成器为节点进行结构初始化，解决了启发式方法的局限性。使用了基于路径感知的聚合方案，对短的路径赋予较大权重，对长的路径赋予较小的权重，改善了链路预测任务存在的简并现象，灵活计算目标节点对之间所有路径信息的得分。
Search Results
1
records
(took 0.034 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
