基于梯度提升进行时间感知图学习实现IP链路类型识别的方法

本发明公开一种基于梯度提升进行时间感知图学习实现IP链路类型识别的方法，应用于通信领域，针对现有IP链路类型识别技术准确性较低的问题；本发明创新性的将GBDT和GNN整合到一个统一的流程中，用于IP链路类型识别；本发明的TGBN首先从拓扑角度建立IP主机之间的邻域关系，形成加权图并将其连接。接下来，使用GBDT模型来训练节点特征，并引入一种专门为动态网络设计的时序图神经网络(T‑GNN)，以优化和精炼预测结果。GBDT模型在节点特征上进行训练，而T‑GNN则适应动态的网络环境，产生预测结果。最后，通过不断添加新树来更新GBDT模型，这些新树近似于GNN的损失函数，从而实现两者模型的持续优化。