一种基于异质网络表示学习的链路预测方法

摘要

本发明公开了一种基于异质网络表示学习的链路预测方法，属于网络分析领域；通过基于元路径的随机游走捕获异质网络的结构和语义，生成训练序列；应用训练序列训练skip‑gram模型以此来学习网络特征，将网络节点映射到低维向量；通过对节点向量的相识度处理得到链路预测结果；本发明解决了当前多数链路预测算法无法应用在异质网络的情况，可以获取异质网络不同节点所蕴含的丰富信息。大多预测基于邻域局部信息和结构特征，对网络的聚集系数要求较高，稀疏网络预测效果较差，本发明基于元路径的随机游走，可用于稀疏网络，本发明通过对网络整体学习统一建立节点向量，简化计算。