[发明专利]基于转移矩阵的链接预测方法、系统和可读存储介质

权利要求书

1.一种基于转移矩阵的链接预测方法，其特征在于，包括以下步骤：

基于预设的知识图谱进行子图采样得到子图样本；

获取子图样本的随机游走画像以计算随机游走转移矩阵；

将所述随机游走画像输入到链接分类器中进行计算，基于所述链接分类器中的图神经网络对所述随机游走转移矩阵以及所述随机游走画像进行更新；

基于更新后的转移矩阵获取目标特征，其中，所述目标特征包括节点级特征、链接级特征以及子图级特征；

基于所述目标特征结合更新后的随机游走画像获取目标链接以完成链接预测作业。

2.根据权利要求1所述的一种基于转移矩阵的链接预测方法，其特征在于，所述基于预设的知识图谱进行子图采样得到子图样本，具体包括：

获取所述知识图谱G^O＝(V，E^O)，其中，V是节点集合，E^O是观测到的链接集合；

基于所述知识图谱进行k跳子图采样得到子图样本G＝(V，E)，其中，E是子图链接集合。

3.根据权利要求2所述的一种基于转移矩阵的链接预测方法，其特征在于，所述获取子图样本的随机游走画像以计算随机游走转移矩阵，具体包括：

基于节点集合V识别子图样本中的节点Z，将节点Z编码为边权重；

获取两个节点Z的关联编码ω_x，y，其中，

其中，{x，y}∈E，Z_x和Z_y为节点x和y的向量表示，Q_θ和K_θ是两个多层感知机MLPs，F″是MLPs输出的向量维度；

计算随机游走转移矩阵P＝(P_x，y)，其中，

其中，N(x)表示x节点的邻接节点集合，ω_x，z表示节点x和z的关联编码；

基于拓扑层级计算转移矩阵的特征集合以获取跳场景时节点i到节点j进行随机游走的转移概率，其中，为跳限值。

4.根据权利要求3所述的一种基于转移矩阵的链接预测方法，其特征在于，所述将所述随机游走画像输入到链接分类器中进行计算，基于所述链接分类器中的图神经网络对所述随机游走转移矩阵以及所述随机游走画像进行更新，具体包括：

基于图神经网络f_θ对子图样本G进行特征提取，以得到节点Z；

基于图神经网络f_θ更新所述随机游走转移矩阵，得到更新后的随机游走矩阵P；

基于转移矩阵的特征集合提取目标链接相关量进行向量表示。

5.根据权利要求4所述的一种基于转移矩阵的链接预测方法，其特征在于，所述基于更新后的转移矩阵获取目标特征，其中，所述目标特征包括节点级特征、链接级特征以及子图级特征，具体包括：

基于更新后的转移矩阵获取节点级特征

基于更新后的转移矩阵获取链接级特征

基于更新后的转移矩阵获取子图级特征

6.根据权利要求1所述的一种基于转移矩阵的链接预测方法，其特征在于，所述方法还包括提取高阶拓扑结构的注意力权重，通过注意力权重反复迭代转移矩阵，直至迭代次数完成后得到最终的转移矩阵。

7.一种基于转移矩阵的链接预测系统，其特征在于，包括存储器和处理器，所述存储器中包括基于转移矩阵的链接预测方法程序，所述基于转移矩阵的链接预测方法程序被所述处理器执行时实现如下步骤：基于预设的知识图谱进行子图采样得到子图样本；

获取子图样本的随机游走画像以计算随机游走转移矩阵；

将所述随机游走画像输入到链接分类器中进行计算，基于所述链接分类器中的图神经网络对所述随机游走转移矩阵以及所述随机游走画像进行更新；

基于更新后的转移矩阵获取目标特征，其中，所述目标特征包括节点级特征、链接级特征以及子图级特征；

基于所述目标特征结合更新后的随机游走画像获取目标链接以完成链接预测作业。