| 基于时序图卷积的动态网络链路预测 |
| |
| 引用本文： | 刘琳岚, 冯振兴, 舒坚. 基于时序图卷积的动态网络链路预测[J]. 计算机研究与发展, 2024, 61(2): 518-528. DOI: 10.7544/issn1000-1239.202220776 |
| |
| 作者姓名： | 刘琳岚 冯振兴 舒坚 |
| |
| 作者单位： | 1.南昌航空大学信息工程学院 南昌 330063;2.南昌航空大学软件学院 南昌 330063 |
| |
| 基金项目： | 国家自然科学基金项目（62062050,61962037）~~; |
| |
| 摘 要： | 
动态网络链路预测广泛的应用前景,使得其逐渐成为网络科学研究的热点. 动态网络链路演化过程中具有复杂的空间相关性和时间依赖性,导致其链路预测任务极具挑战. 提出一个基于时序图卷积的动态网络链路预测模型(dynamic network link prediction based on sequential graph convolution, DNLP-SGC). 针对网络快照序列不能有效反映动态网络连续性的问题,采用边缘触发机制对原始网络权重矩阵进行修正,弥补了离散快照表示动态网络存在时序信息丢失的不足.
从网络演化过程出发,综合考虑节点间的特征相似性以及历史交互信息,采用时序图卷积提取动态网络中节点的特征,该方法融合了节点时空依赖关系. 进一步,采用因果卷积网络捕获网络演化过程中潜在的全局时序特征,实现动态网络链路预测. 在2个真实的网络数据集上的实验结果表明,DNLP-SGC在precision, recall, AUC指标上均优于对比的基线模型.
|
| 关 键 词： | 动态网络 链路预测 时序图卷积 全局时序特征 因果卷积 |
| 收稿时间： | 2022-09-01 |
| 修稿时间： | 2023-03-13 |
|
| 点击此处可从《计算机研究与发展》浏览原始摘要信息 |
|
点击此处可从《计算机研究与发展》下载免费的PDF全文 |
|
