一种基于快速鲁棒性的动态图节点表示学习方法

本发明公开了一种基于快速鲁棒性的动态图节点表示学习方法，其一方面针对动态图中节点之间的结构变化，通过将PageRank计算问题转化为带有正则项的优化问题，并采用迭代收缩阈值算法进行求解，使得所得PPR向量天然稀疏且满足归一化约束，从而在保持计算效率的同时增强了对局部邻域的刻画能力；另一方面，在得到稀疏PPR向量后，通过稀疏投影或哈希降维生成节点位置编码，并与节点原始特征进行融合，实现上下文结构信息与节点自身特征的统一表征；随着图结构在不同时间步发生演化，本发明进一步引入PPR增量更新机制，在局部边变化的条件下直接调整已有解，而无需从头计算，大幅提升了动态图场景下的效率和实用性。