一种katz相似性的链路预测方法对神经网络结构优化系统及方法

本发明提供一种katz相似性的链路预测方法对神经网络结构优化系统及方法，具体包括，确定目标神经网络模型中可CNP化的前馈子模块；将可CNP化的前馈子模块替换为CNP模块，获得含CNP模块的神经网络模型；交替执行含CNP模块的神经网络模型的训练与CNP模块连接更新，每完成预设训练轮次后，基于Katz相似性计算CNP模块中不同神经元对的CEV指标，基于CEV指标对靠近0的权值对应的神经元对进行剪枝，对高相关性未连接神经元对进行补充连接，进行下轮的训练与更新；解决了现有模型的神经元级别压缩技术局限于原模型的固定层级连接范式下，搜索空间受限，无法发掘更轻量更高效的模型结构的问题。