计算机科学与探索

作者：陈旭, 张其, 王叔洋, 景永俊

单位：1. 北方民族大学 计算机科学与工程学院，银川 7500212. 北方民族大学 电气信息工程学院，银川 750021

关键词：离散动态图,表示学习,链接预测,积空间,几何深度学习,强化学习

基金：北方民族大学中央高校基本科研业务费专项资金（2023ZRLG13）；宁夏回族自治区重点研发项目（2023BDE02017）。

随着复杂网络分析在诸多领域的广泛应用，如推荐系统、社交网络、疾病传播网络和金融交易网络，动态图的分析成为图神经网络研究的一个关键挑战。针对动态图神经网络在链接预测时因单一空间嵌入导致的嵌入扭曲问题，提出了自适应积空间离散动态图链接预测模型（APSDG），拟解决嵌入扭曲问题，提高离散动态图链接预测性能。通过结合欧几里德空间、双曲空间和超球面空间，构建积空间作为嵌入空间，以更好地拟合动态图数据的复杂结构。为实现积空间的自适应调整，设计了一种强化学习机制，动态优化各空间的维度比例和曲率参数。实验结果表明，APSDG在五个真实世界数据集上优于使用单一空间的基准模型，在动态链接预测和动态新链接预测任务中，AUC和AP指标上的平均增益分别为2.24%和1.90%、2.12%和1.43%，APSDG有效解决了单一空间嵌入方法的嵌入扭曲问题，能够更好地捕捉复杂网络的层次结构和规则结构，显著提升了动态链接预测效果。

来源：2025年第7期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第7期