科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】通过融合了时间特征的专利IPC共现网络，训练图神经网络模型实现链接预测方法，为技术发现和知识供给提供参考。【方法】采集“隐私保护”专利数据构建专利IPC共现网络，构建节点的时间分布、时间稳定性和时间关注度特征，训练GraphSAGE模型，得到IPC节点表示及其之间的链接预测得分，为技术机会挖掘提供辅助和支持。【结果】基于图神经网络模型的链接预测方法相对于基于节点相似性的传统链接预测方法以及图游走算法Node2Vec在AUC指标上提升约30%。【局限】图神经网络作为深度学习模型在训练耗时上存在一定劣势。【结论】基于图神经网络的链接预测方法具有较高的预测精度，结合时间特征后能够捕捉节点的动态特征，为技术发现等任务提供有价值的参考。
- 单位
