(19)中华人民共和国国家知识产权局
(12)发明专利说明书
(10)申请公布号 正则匹配时间戳CN 110138595 A
(43)申请公布日 2019.08.16
(21)申请号 CN201910292929.9
(22)申请日 2019.04.12
(71)申请人 中国科学院深圳先进技术研究院
    地址 518000 广东省深圳市南山区深圳大学城学苑大道1068号
(72)发明人 曲强 杨敏 陈磊
(74)专利代理机构 深圳青年人专利商标代理有限公司
    代理人 宋琳琳
(51)Int.CI
     
                                                                  权利要求说明书 说明书 幅图
(54)发明名称
      动态加权网络的时间链路预测方法、装置、设备及介质
(57)摘要
      本发明适用计算机技术领域，提供了一种动态加权网络的时间链路预测方法，该方法包括：获取动态加权网络在连续的历史时间戳下的网络拓扑图，将历史时间戳下的网络拓扑图输入预先训练好的生成对抗网络，预测得到动态加权网络在待预测时间戳下的网络拓扑图，生成对抗网络包括生成模型和对抗模型，生成模型包括注意力图卷积网络和融合了时间矩阵分解、注意力机制和长短期记忆网络的增强注意力长短期记忆网络，从而实现了动态加权网络的时间链路预测，并提高了动态加权网络的时间链路预测准确度和效果。
法律状态
法律状态公告日
法律状态信息
法律状态
权 利 要 求 说 明 书
1.一种动态加权网络的时间链路预测方法,其特征在于,所述方法包括:
获取动态加权网络在连续的历史时间戳下的网络拓扑图;
将所述历史时间戳下的网络拓扑图输入预先训练好的生成对抗网络,预测得到所述动态加权网络在待预测时间戳下的网络拓扑图,所述生成对抗网络包括生成模型和判别模型,所述生成模型包括注意力图卷积网络和融合了时间矩阵分解、注意力机制和长短期记忆网络的增强注意力长短期记忆网络。
2.如权利要求1所述的方法,其特征在于,预测得到所述动态加权网络在待预测时间戳下的网络拓扑图的步骤,包括:
通过所述注意力图卷积网络对所述获取的每个历史时间戳下的网络拓扑图进行特征提取,得到所述每个历史时间戳下网络拓扑图的综合网络特征;
通过所述增强注意力长短期记忆网络对所述动态加权网络的综合网络特征进行学习,得到所述每个历史时间戳下网络拓扑图的隐藏状态向量;
依据所述每个历史时间戳下网络拓扑图的隐藏状态向量,生成所述动态加权网络在所述待预测时间戳下的网络拓扑图。
3.如权利要求2所述的方法,其特征在于,通过所述注意力图卷积网络对所述获取的每个历史时间戳下的网络拓扑图进行特征提取的步骤,包括:
采用自注意力机制对所述历史时间戳下网络拓扑图的特征矩阵进行更新;
将所述历史时间戳下网络拓扑图的邻接矩阵和更新后的所述特征矩阵输入图卷积网络,得到所述历史时间戳下网络拓扑图的综合网络特征。
4.如权利要求2所述的方法,其特征在于,通过所述增强注意力长短期记忆网络对所述动态加权网络的综合网络特征进行学习的步骤,包括:
对所述历史时间戳下网络拓扑图的邻接矩阵进行时间矩阵分解,获得历史时间戳下网络拓扑图的静态上下文向量和动态潜在特征;
根据所述历史时间戳下网络拓扑图的综合网络特征和动态潜在特征,采用注意力机制计算所述历史时间戳下网络拓扑图对应的注意力权重;
根据所述历史时间戳下网络拓扑图的综合网络特征和注意力权重,计算所述每个历史时间戳下网络拓扑图的上下文向量;
将所述历史时间戳下网络拓扑图的上下文向量和静态上下文向量输入所述长短期记忆网络,计算得到所述历史时间戳下网络拓扑图的隐藏状态向量。
5.如权利要求2所述的方法,其特征在于,生成所述动态加权网络在所述待预测时间戳下的网络拓扑图的步骤,包括:
将所述每个历史时间戳下网络拓扑图的隐藏状态向量输入生成模型中的全连接层,得到所述动态加权网络在所述待预测时间戳下的网络拓扑图。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。