龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：防灾科技学院
申请日：2024-02-26
公开（公告）日：2024-06-25
公开（公告）号：CN118245814A
主分类号：G06F18/22
分类号：G06F18/22;G06F16/958;G06F18/2133;G06F18/2413
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明公开了一种基于深度非负矩阵分解的动态含权网络链路预测方法，属于网络预测技术领域。本发明中，通过构建非负矩阵分解能够提取出节点的特征向量，揭示节点之间的隐藏关系，通过深度非负矩阵分解，能够对更高层次的节点进行预测，进一步提升预测性能，非负矩阵分解具有良好的可解释性，可以对预测结果进行解释和理解，并且通过边缘触发机制对原始网络权重矩阵进行修正，根据网络拓扑信息之间的变化量来动态调整权重矩阵，弥补了离散的网络拓扑信息表示动态网络存在时序信息丢失的不足，修正后的权重矩阵可以更好地反映网络的连续性和时序变化，用于后续的链路预测或其他动态网络分析任务。
主权项：1.一种基于深度非负矩阵分解的动态含权网络链路预测方法，其特征在于，包括以下步骤：数据准备：收集网络的拓扑结构和权重信息，构建邻接矩阵，邻接矩阵表示网络中节点之间的连接关系，权重信息表示节点之间的关联强度；深度非负矩阵分解：将邻接矩阵分解为两个非负矩阵W和H，W矩阵表示节点的特征向量，H矩阵表示节点之间的关联强度；模型训练：使用训练数据集对深度非负矩阵即DNMF模型进行训练，优化W和H矩阵的参数；预测链路：根据训练得到的模型，对测试数据集中的节点进行预测，通过计算节点之间的相似度，选择相似度最高的节点进行链路预测。
全文数据：
权利要求：
百度查询： 防灾科技学院 基于深度非负矩阵分解的动态含权网络链路预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号