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
污染物特征
注意力神经网络
色谱
数据
多层前馈神经网络
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
节点特征
矩阵
代码摘要生成方法
位置编码信息
序列特征
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