一种基于自定义边权重计算和Node2Vec的节点嵌入学习方法

本发明涉及一种基于自定义边权重计算和Node2Vec的节点嵌入学习方法，属于图数据分析与节点嵌入学习领域。本发明首先进行图数据的预处理，引入了一种基于边的全局特性和局部特性相结合的综合边权重计算方法来获得每条边的最终权重；然后根据所述权重计算节点间的转移概率并生成随机游走路径；最后利用Skip‑Gram模型对节点嵌入进行训练，通过优化节点嵌入向量来实现图结构的低维表示。本发明可以解决现有技术中节点嵌入质量不高的问题，通过结合全局结构信息和局部邻居关系，优化图的权重计算，提升Node2Vec算法在复杂图数据中的表现，为图中节点生成高质量的低维嵌入表示，增强节点嵌入的准确性和鲁棒性。