[发明专利]基于半懒惰学习的图流链路预测方法

摘要

本发明公开一种基于半懒惰学习的图流链路预测方法，在数据挖掘、机器学习、深度学习和概率论等方向，链路预测问题已经有很多有深度和广泛研究，并取得了不错的结果。在真实环境中，图的规模非常巨大，并且图是一直快速的在变动与衍进，在最近几年的研究中称为图流模型。然而，由于算法与硬件的限制，目前的链路预测方法不能有效的解决在图流数据。因此在图流模型下迫切的需要一种能够在线的高效的链路预测方法。本文结合相对高效的基于局部信息相似性的链路预测方法，提出一种半懒惰学习的在线学习算法，在理论保证下，可以有效的解决图流的链路预测问题，并对真实环境中图流数据集做了实验，实验结果最后证明了本发明提出方法的准确性与高效性。

主权项

一种基于半懒惰学习的图流链路预测方法，其特征在于，包括以下步骤：步骤1：将图流中到达的顶点进行哈希映射；步骤2：为每个顶点建立动态接收不断到达顶点的哈希值存储池；步骤3：为两两顶点建立保存动态参数变化的矩阵，并计算共同邻居评分值；步骤4：快速的两两顶点的共同邻居评分值计算方法；步骤5：两两顶点的偏斜采样的共同邻居评分计算方法。