无线数据知识图谱的空时异构表示学习方法

来源：信号处理杂志 2025年第4期北京时间：

作者：冯庆霞, 杨绿溪

摘要：在智能应用的推动下，用户对通信性能的要求已超出现有网络的能力。然而，在无线系统产生的海量通信信号中，仅少量字段对网络性能具有关键影响，如何有效挖掘数据仍面临挑战。现有的大多数研究忽略了无线数据的多源异构性和时序特性，难以揭示通信网络的运行机制及优化潜力。为此，本文提出了一种空时异构表示学习模型，针对无线数据知识图谱的空时异构特性，深入挖掘数据字段间的关系并优化无线通信网络性能。具体而言，本文将无线数据知识图谱的实体和关系转化为异构图中的节点和边，并通过学习节点的特征表示向量，全面揭示无线数据字段间的相互关系。这些关系不仅揭示了数据字段间的物理关联，还为性能优化提供了理论依据。为提升模型的表达能力，本文通过设计特征图模块，利用多跳连接子图表征异构节点的结构和属性信息。此外，本文开发了空时动态模块，通过联合聚合相邻节点的结构和时间信息，从而学习有效的节点表示向量。与现有方法相比，本文提出的模型在理解无线数据字段相互关系及性能预测等方面表现出显著优势，并在吞吐量预测任务中展现了实际应用价值。本文的研究不仅弥补了现有研究在无线数据知识图谱表示学习领域的不足，还为无线通信系统的优化提供了理论和实践支持。

关键词：‍‍无线通信信号, 知识图谱, 图神经网络