申请/专利权人:南昌航空大学
申请日:2024-01-25
公开(公告)日:2024-03-29
公开(公告)号:CN117787506A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q50/00;G06F18/25;G06N3/0442;G06N3/0464;G06N3/08
优先权:["20230823 CN 2023110628938"]
专利状态码:在审-实质审查的生效
法律状态:2024.04.16#实质审查的生效;2024.03.29#公开
摘要:本发明提供一种采用属性融合策略预测社交网络链路的方法,包括:S1,对社交网络的网络数据进行切片处理,将社交网络切分为一系列的网络快照,在每个网络快照下,构建邻接矩阵和特征矩阵;S2,将构建的邻接矩阵和特征矩阵作为图卷积神经网络的输入,训练并学习得到节点的节点嵌入向量;S3,根据连边属性构建连边属性向量,并将其与节点嵌入向量进行融合,得到融合嵌入向量;S4,将融合嵌入向量输入LSTM模型中处理时序信息,最后将处理时序信息后的融合嵌入向量输入全连接层构建的解码器,以实现社交网络链路预测。本发明能够解决社交网络链路预测时忽略连边属性对链路预测影响的问题,从而得到较好的预测效果。
主权项:1.一种采用属性融合策略预测社交网络链路的方法,其特征在于,包括以下步骤:S1,对社交网络的网络数据进行切片处理,将社交网络切分为一系列的网络快照,在每个网络快照下,构建邻接矩阵和特征矩阵;S2,将构建的邻接矩阵和特征矩阵作为图卷积神经网络的输入,训练并学习得到节点的节点嵌入向量;S3,根据连边属性构建连边属性向量,并将其与节点嵌入向量进行融合,得到融合嵌入向量;S4,将融合嵌入向量输入LSTM模型中处理时序信息,最后将处理时序信息后的融合嵌入向量输入全连接层构建的解码器,以实现社交网络链路预测。
全文数据:
权利要求:
百度查询: 南昌航空大学 一种采用属性融合策略预测社交网络链路的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。