我已将操作流程建模为定向概率图，我可以设法找到最佳路径。 我想介绍新的节点，并评估路径是否会改变，但这些节点没有连接到我的初始图形的任何节点（隔离节点）。因此，我觉得我不能使用经典的链接预测方法，例如NetworkX中存在的方法。 在科学文献中，这个问题似乎被称为“冷启动链路预测”或“稀疏网络中的链路预测”，但我不确定这些方法是否适合我的问题。我也想知道我是否应该尝试通过现有路径培训进行有监督的学习。 有没有人可以帮助我，对方法或现有的库有任何提示？
总结一下，我有：
import networkx as nx
G=nx.Graph()
G.add_edge(1, 2, weight=0.6)
G.add_edge(1, 3, weight=0.4)
G.add_node(4)
G.has_edge(1,4)
返回false，我想要一个函数：
G.has_potential_edge(1,4)
如果节点4后面的对象具有与对象2或3类似的特征，或者如果我们知道1到4之间的过渡类型看起来像现有链接，则返回True，基于对象1和4的特征。 有没有结合图形链接预测和机器学习方法的现有方法/算法？
感谢您的帮助！