[发明专利]基于生成式对抗网络的动态链路预测装置及应用

权利要求书

1.一种基于生成式对抗网络的动态链路预测模型在航空网络中的应用，其特征在于，航空网络中的每个节点表示机场，节点连边表示机场之间有飞机往返；

所述动态链路预测模型通过以下方式获得：将航空网络统一为邻接矩阵，该些邻接矩阵作为训练样本；以长短时间记忆网络作为生成器模型，用于生成航空网络，其输入为真实航空网络，输出为生成航空网络；以至少1个卷积层和至少1个全连接层构成的深度学习网络为判别器模型，用于鉴别真实航空网络和生成航空网络的真假，输入为真实航空网络和生成航空网络，输出为对真实航空网络和生成航空网络的分类预测值；利用训练样本对由生成器模型和判别器模型形成的生成式对抗网络进行训练，训练过程包括：先保持判别器模型的网络参数不变，利用训练样本训练生成器模型，使其生成的生成航空网络尽可能使判别器模型无法判别，然后保持生成器模型的网络参数不变，利用训练样本训练判别器模型，使判别器模型尽可能区分出真实航空网络和生成航空网络；训练结束时，截取的生成器模型作为能够生成航空网络的动态链路预测模型；

应用时，将航空网络输入至动态链路预测模型中，经计算即可以获得每个时刻航空网络中，机场与机场之间的飞机往返情况。

2.一种基于生成式对抗网络的动态链路预测模型在社交网络中的应用，其特征在于，社交网络中的每个节点表示用户，节点连边表示用户与用户之间建立交往关系；

所述动态链路预测模型通过以下方式获得：将社交网络统一为邻接矩阵，该些邻接矩阵作为训练样本；以长短时间记忆网络作为生成器模型，用于生成社交网络，其输入为真实社交网络，输出为生成社交网络；以至少1个卷积层和至少1个全连接层构成的深度学习网络为判别器模型，用于鉴别真实社交网络和生成社交网络的真假，输入为真实社交网络和生成社交网络，输出为对真实社交网络和生成社交网络的分类预测值；利用训练样本对由生成器模型和判别器模型形成的生成式对抗网络进行训练，训练过程包括：先保持判别器模型的网络参数不变，利用训练样本训练生成器模型，使其生成的生成社交网络尽可能使判别器模型无法判别，然后保持生成器模型的网络参数不变，利用训练样本训练判别器模型，使判别器模型尽可能区分出真实社交网络和生成社交网络；训练结束时，截取的生成器模型作为能够生成社交网络的动态链路预测模型；

应用时，将社交网络输入至动态链路预测模型中，经计算即可以获得每个时刻社交网络中，用户与用户之间的交往情况。

3.一种基于生成式对抗网络的动态链路预测模型在读书社区网络中的应用，其特征在于，读书社区网络中每个节点表示一种书籍的读者群体，节点连边表示两种书籍的读者之间有互相阅读对方书籍的关系；

所述动态链路预测模型通过以下方式获得：将读书社区网络统一为邻接矩阵，该些邻接矩阵作为训练样本；以长短时间记忆网络作为生成器模型，用于生成读书社区网络，其输入为真实读书社区网络，输出为生成读书社区网络；以至少1个卷积层和至少1个全连接层构成的深度学习网络为判别器模型，用于鉴别真实读书社区网络和生成读书社区网络的真假，输入为真实读书社区网络和生成读书社区网络，输出为对真实读书社区网络和生成读书社区网络的分类预测值；利用训练样本对由生成器模型和判别器模型形成的生成式对抗网络进行训练，训练过程包括：先保持判别器模型的网络参数不变，利用训练样本训练生成器模型，使其生成的生成读书社区网络尽可能使判别器模型无法判别，然后保持生成器模型的网络参数不变，利用训练样本训练判别器模型，使判别器模型尽可能区分出真实读书社区网络和生成读书社区网络；训练结束时，截取的生成器模型作为能够生成读书社区网络的动态链路预测模型；

应用时，将读书社区网络输入至动态链路预测模型中，经计算即可以获得每个时刻读书社区网络中，两种书籍的读者之间是否有互相阅读对方书籍的关系情况。