一种基于模体感知特征传播的图嵌入链路预测方法

AITNT
正文
推荐专利
一种基于模体感知特征传播的图嵌入链路预测方法
申请号:CN202510673042
申请日期:2025-05-23
公开号:CN120597930A
公开日期:2025-09-05
类型:发明专利
摘要
一种基于模体感知特征传播的图嵌入链路预测方法,包括以下步骤;步骤1:图结构初始化与模体识别;步骤2:基于模体感知特征传播构建节点属性矩阵;步骤3:构造节点对的边特征;步骤4:将节点嵌入向量与边特征向量进行融合,输入至机器学习分类器中,对节点对是否存在潜在边进行预测;步骤5:链路预测得分计算,根据分类器输出结果预测结果,获得节点对的连接概率得分,形成相似度矩阵S。本发明实现对节点对之间潜在连接关系的有效预测,提升模型对复杂网络结构的适应能力与泛化性能。
技术关键词
链路预测方法 感知特征 机器学习分类器 模体 节点特征 矩阵 网络结构信息 特征信息融合 度量 机器学习模型 邻居 定义 支持向量机 随机森林 关系
系统为您推荐了相关专利信息
1
基于深度强化学习的机器人线缆制造工艺优化方法及系统
工业知识图谱 机器人线缆 工艺参数配置 工艺流 深度强化学习
2
一种跨架构二进制函数嵌入方法、二进制函数相似性检测方法与装置
嵌入方法 相似性检测方法 混合网络架构 节点特征 相似性检测装置
3
换脸识别方法、装置、电子设备及存储介质
面部 像素 计算机执行指令 分类器模型 图像
4
一种多模态时间信息融合的POI推荐方法
编码向量 嵌入特征 序列 推荐方法 节点特征
5
一种lncRNA基因序列与蛋白质相互作用预测方法及系统
蛋白质相互作用预测方法 异构信息网络 上下文特征 融合特征 嵌入特征
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号