摘要
本发明公开一种基于GNN与Transformer的链接预测方法,通过使用图神经网络对图数据进行预处理,提取每个节点的特征表示;通过将提取的节点特征表示作为输入,利用Transformer模块的自注意力机制捕获节点之间的全局依赖关系;在Transformer模块的自注意力机制中,引入图的结构信息,实现采用GNN与Transformer结合的方式对链接进行预测,提升预测准确性。本发明解决了图神经网络处理全局依赖关系存在不足,而Transformer模块直接应用又存在效率低、难以利用图结构信息的问题。
技术关键词
链接预测方法
注意力机制
链接预测系统
节点特征
sigmoid函数
数据输入模块
关系
感知特征
邻居
计算机
处理器
指令
矩阵
语义
存储器
系统为您推荐了相关专利信息
数据恢复方法
电池管理系统
Kalman滤波器
电池等效电路模型
掩码矩阵
扰动方法
注意力机制
频域特征
多尺度特征提取
联合损失函数
影像
极化SAR数据
编码器
洪涝灾害监测
地形高程值
带钢缺陷检测
带钢表面缺陷
多尺度特征融合
注意力机制
图像