面向节点属性保存的动态网络表征学习方法

本申请涉及一种面向节点属性保存的动态网络表征学习方法。方法包括：获取含时社交网络样本；构建归纳式图卷积模型；根据归纳式图卷积模型的聚合卷积模块数确定含时社交网络样本中目标节点的邻居节点采样阶数，根据邻居节点与目标节点交互时间的先后顺序从采样阶数的最高阶开始逐层向下有偏采样，得到每一层的采样节点集合和邻居序列队列；通过个聚合卷积模块，根据每一层的采样节点集合和邻居序列队列逐层聚合对应阶数的邻居节点属性向量，以最后一个聚合卷积模块的输出作为目标节点的嵌入向量；训练归纳式图卷积模型，利用训练好的归纳式图卷积模型进行表征学习以完成社交网络分析任务。采用本方法能够学习更为准确的节点表征。