一种基于时序图神经网络的机会网络链路预测方法

本发明公开了一种基于时序图神经网络的机会网络链路预测方法，具体涉及时序图神经网络技术领域，包括以下步骤：S1、数据采集与网络快照生成；S2、加权接特征编码聚；S3、GAT和LSTM结合处理嵌入；S4、多层感知机算概率；S5、依链路构损失函数；S6、划集训练调参数；S7、多指标评估优模型。本发明精准捕获节点时空特征，嵌入、编码、解码层协同运作，提升链路预测准确性与稳定性，稳固网络通信可靠性及数据传输成功率，创新损失函数及优化策略，化解数据稀疏、过拟合难题，增强泛化能力，模型适配多领域网络，于智能交通、灾害救援等场景精准预测链路、优化资源配置与通信效率，有力推动多行业网络应用创新发展。