CN120258051A 一种基于掩码机制的离散动态图神经网络链路预测方法及系统 （中国海洋大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120258051A(43)申请公布日2025.07.04

(21)申请号202510740354.8

(22)申请日2025.06.05

(71)申请人中国海洋大学

地址266100山东省青岛市崂山区松岭路

238号

GO6FGO6F

16/9535(2019.01)

16/9537(2019.01)

(72)发明人于彦伟何一鸣李享齐建鹏董军宇

(74)专利代理机构北京慧智兴达知识产权代理有限公司11615

专利代理师孙越

(51)Int.CI.

GO6NGO6N

GO6NGO6N

3/0464(2023.01)

3/042(2023.01)

3/048(2023.01)

3/0895(2023.01)

权利要求书4页说明书15页

附图4页

(54)发明名称

一种基于掩码机制的离散动态图神经网络链路预测方法及系统

0链路预测下游

0

链路预测下游应用模块

自监督对比学习优化模块

104

自适应频域增强特征建模模块

106

多层图卷积网络编码模块

离散动态图快照构建模块

节点活跃度分数计算模块

节点动态变化分数计算模块

节点重要性分数计算模块

103

107

ACN120258051本发明涉及链路预测技术领域，尤其是涉及一种基于掩码机制的离散动态图神经网络链路预测方法及系统。方法包括构建基于掩码机制的动态图神经网络模型，其中，包括基于用户交互日志数据集构建离散时间动态图快照序列，引入节点活跃度评分机制用以衡量用户节点在不同时间步图中的交互活跃程度与结构重要性；构建基于节点活跃度的自监督时间掩码机制以降低动态图中冗余边干扰；利用动态图神经网络模型进行基于频域增强的动态图特征表示学习；利用基于自监督结构重建的链路预测优化机制进行

A

CN120258051

发明可稳定运行，并在不牺牲精度的前提下实现快速收敛，具备良好的工业可部署性与扩展能力。

CN120258051A权利要求书1/4页

2

1.一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，包括：

获取用户交互日志数据集；

构建基于掩码机制的动态图神经网络模型，其中，包括基于用户交互日志数据集构建离散时间动态图快照序列，引入节点活跃度评分机制用以衡量用户节点在不同时间步图中的交互活跃程度与结构重要性；构建基于节点活跃度的自监督时间掩码机制以降低动态图中冗余边干扰；

利用动态图神经网络模型进行基于频域增强的动态图特征表示学习；

利用基于自监督结构重建的链路预测优化机制进行模型优化；

利用优化后的模型进行链路预测。

2.根据权利要求1所述的一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，所述基于用户交互日志数据集构建离散时间动态图快照序列，包括输入包含时间戳的交互日志数据集],并按时间戳划分为T个离散时间窗口：{(to,t?),[t?,t?],…,(tT-1,tT)},每个时间窗口(ti-1,t;)对应一个图快照Gi=(Vi,εi),其中，u;与v;表示在时间t;发生交互的两个节点，Xu,X?分别为对应

节点的静态属性和统计特征向量，N为交互总数量；在每个时间窗口i∈{1,…,T}中，抽取发生于该时间段内的交互对(u,v),将其构建为边集合Ei,节点集合V1由所有发生交互的用户组成，进而构建邻接矩阵并为每个节点构造节点特征矩阵。

3.根据权利要求2所述的一种基于掩码机制的离散动态图神经网络链路预测方法，其

特征在于，所述引入节点活跃度评分机制用以衡量用户节点在不同时间步图中的交互活跃程度与结构重要性，包括为每个时间步t中的节点Vi∈D定义一个活跃度分数Av,该分数由两个部分组成：节点动态变化分数D与节点重要性分数，两者按权重比例进行融合，其中，利用节点动态变化分数D刻画用户在时间序列中邻居结构的变动情况，表示为：

其中，参数入用于调节节点动态评分的敏感性，节点Vi在t-1时刻的度数deg(v;)-1表征节点过去交互活跃度的基础水平，η和Y分别用于避免计算过程中分母为零，确保计算的稳定性。

4.根据权利要求3所述的一种基于掩码机制的离散动态图神经网络链路预测方法，其特征在于，所述引入节点活跃度评分机制用以