基于时频感知图卷积网络的社交网络链路预测方法、系统、终端及存储介质

AITNT
正文
推荐专利
基于时频感知图卷积网络的社交网络链路预测方法、系统、终端及存储介质
申请号:CN202511442926
申请日期:2025-10-10
公开号:CN120915702A
公开日期:2025-11-07
类型:发明专利
摘要
本发明涉及网络链路预测技术领域,公开了基于时频感知图卷积网络的社交网络链路预测方法、系统、终端及存储介质,所述方法包括:获取用户的历史社交网络信息,对历史社交网络信息进行预处理,得到目标历史社交网络信息,并根据目标历史社交网络信息创建社交网络链路训练集;根据社交网络链路训练集对时频感知图卷积网络进行训练处理,得到社交网络链路预测模型;获取待预测社交网络信息,并输入至社交网络链路预测模型,得到用户社交链路预测结果。本发明不仅能考虑时间序列的单一特征或局部空间关系,还能兼顾社交网络的长短期时间趋势与复杂空间结构,从而显著提高社交网络的链路预测准确率,提升了用户推荐的个性化效果。
技术关键词
网络链路预测 注意力神经网络 社交网络图 创建社交网络 预测社交网络 快照 节点特征 时域特征 序列 频域特征 训练集 矩阵 模型训练模块 信号 可读存储介质
系统为您推荐了相关专利信息
1
跨尺度光谱与色谱数据关联的污染物转化评估方法及系统
污染物特征 注意力神经网络 色谱 数据 多层前馈神经网络
2
模型训练方法及业务故障原因的确定方法
强化学习模型 实体 模型训练方法 三元组 关系
3
基于电网设备的启动方案生成与处理系统、方法、装置、设备、介质和程序产品
电压稳定 模型训练模块 深度学习模型训练 历史运行数据 保护装置
4
一种基于跨模态信息融合的代码摘要生成方法及系统
节点特征 矩阵 代码摘要生成方法 位置编码信息 序列特征
5
一种基于深度强化学习的主题感知节点识别方法
节点识别方法 深度强化学习 主题 深度Q网络 多头注意力机制
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