一种基于高斯互信息的图神经网络链路预测方法

本发明涉及一种基于高斯互信息的图神经网络链路预测方法。所述预测方法包括以下步骤：利用图变分自编码器的变分推断机制，提取节点的隐特征，并通过自适应KL权重提升隐特征的高斯分布特性；借助正交投影器将隐特征分离为因果特征和混杂特征；使用高斯互信息估计器对混杂特征与边的存在性标签进行互信息估计并作为正则化项；提取包含距离特征的局部子图表示，使用局部特征编码器迭代子图中各节点的节点表示；通过边预测器整合因果特征和局部结构特征进行链路概率预测。本发明可使链路预测的AUC有明显提升，实现对潜在关系的精准预测，可有效提升特征完整性，减少冗余特征干扰，适用于社交网络、知识图谱等复杂图结构的链路预测任务。