优化网络表示学习的方法、模型训练方法和系统

摘要

本发明提供的优化网络表示学习的方法、模型训练方法和系统，通过获取图网络中的待处理节点及其预测时间点；从图网络中获取以待处理节点为中心节点的子图网络；去除子图网络中时间戳晚于预测时间点的邻域节点，得到有效的子图网络；基于图卷积神经网络，使用注意力机制分别计算子图网络中待处理节点与各个邻域节点之间的相关性；对各个相关性进行归一化，得到对应的注意力权重系数；采用注意力权重系数对待处理节点的所有邻域节点进行加权，得到待处理节点的邻域聚合表示向量。可见，本发明可解析预测时间点附近的最新节点交互，更好地捕捉由于时间错位而产生的动态异构网络变化，从而提高了网络表示学习的准确性。