[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

说明书

本发明公开了一种基于生成式对抗网络的动态链路预测装置，包括计算机存储器、计算机处理器以及计算机程序，所述计算机存储器中存有动态链路预测模型，所述计算机处理器执行所述计算机程序时实现以下步骤：将待预测的动态网络输入动态链路预测模型中，经计算输出下一刻的动态网络结构，其中，动态网络包括电网、计算机网络、社交网路、交通网络、生物网络、航空网络以及读书社区网络；该动态链路预测装置直到能够生成接近真实情况的预测网络，达到动态链路预测的效果。还公开了一种动态链路预测装置在航空网络、社交网络以及读书社区网络中的应用。

技术领域

本发明属于安全领域，具体涉及一种基于生成式对抗网络的动态链路预测装置及应用。

背景技术

现实中很多的复杂系统都可以被建模成网络，例如电网、计算机网络、社交网路、交通网络、生物网络等。通过对网路结构和状态的分析、预测，能为诸如交通拥塞的控制，新型靶向药物的开发，新一代蜂窝网络的研发等工作提供借鉴意义。作为网络分析的工具，链路预测旨在基于已知节点和链路来预测未知的潜在链路状态。大多数现有的链路预测方法主要关注静态网络，提取和学习没有时间信息的网络结构。

传统的链路预测方法是基于静态网络构建的静态链路预测方法。静态链路预测方法主要分为基于节点的相似度检测和基于路径的相似度检测。这两类链路预测方法主要基于静态的网络拓扑结构，不能顾及复杂网络的动态演化机制。然而，大多现实世界的系统都在随着时间的推移不断发展，需要将其建模为动态网络。例如，在具有表示人与人之间通信的时间戳链接的通信网络中，当两个人在项目中合作时链接可能频繁出现，当项目结束时链接可能消失。在微博一类的社交媒体网络中，当某个明星热门时，表示关注的链接数可能会急剧增加；而当其没落时链接会渐渐消失。又如表示机场之间来往航班的交通网络中，某地举办重大活动可能会促进该地与其他机场建立链接。传统的静态网络的链路预测方法不能有效地解决这一类含有时间变量的现实网络的链路预测问题。

为了更好地预测动态网络的演化过程，需要提出一种能有效解决动态链路预测问题的方法。分析动态网络问题时，除了提取网络的拓扑信息之外，还要提取网络的历史信息(时间信息)。利用历史信息，理解复杂网络的演化机制，推断出未来的网络信息。

综上所述，如何在传统静态链路预测方法的基础上，增加模型对时间信息的提取，同时尽可能降低模型在大型网络中的运算压力，对提升动态网络的链路预测准确率和效率方面上有着极其重要的理论与实践意义。

发明内容

受生成式对抗网络在生成与真实图像相媲美的伪图像及其在视频预测中的成功应用的优异性能的启发，本发明提供了一种基于生成式对抗网络的动态链路预测装置及应用，即利用能捕捉时间信息的生成式对抗网络，来进行链路预测任务。

与其他动态链路预测方法不同，本发明将链路预测任务建模为网络生成过程。利用历史网络结构信息，通过由生成器和鉴别器组成的端到端模型生成下一时刻的网络信息。

本发明的技术方案为：

一种基于生成式对抗网络的动态链路预测装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器中存有动态链路预测模型，所述计算机处理器执行所述计算机程序时实现以下步骤：

将待预测的动态网络输入动态链路预测模型中，经计算输出下一刻的动态网络结构，其中，动态网络包括电网、计算机网络、社交网路、交通网络、生物网络、航空网络以及读书社区网络；

其中，动态链路预测模型通过以下方式获得：以长短时间记忆网络作为生成器模型，以深度学习网络为判别器模型，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，训练结束时，截取的生成器模型作为动态链路预测模型。

具体地，所述动态链路预测模型的构建方法为：

构建训练样本，将动态网络统一为邻接矩阵，该些邻接矩阵作为训练样本；