专利汇可以提供一种链路预测模型的建立及链路预测方法专利检索,专利查询,专利分析的服务。并且本 发明 提供了一种链路 预测模型 的建立方法,所述链路预测模型包括:时序受限 玻尔兹曼机 模型和梯度提升 决策树 模型;所述方法包括:从互联网或其它多媒体中抓取大量的网络数据,对网络数据进行预处理,将网络数据划分为历史数据和现有数据,输入时序 受限玻尔兹曼机 模型,训练出模型参数;提取网络数据 节点 对的网络拓扑特征,形成特征集并输入梯度提升决策树模型,训练出模型参数;所述链路预测模型包括训练好的时序受限玻尔兹曼机模型和梯度提升决策树模型。基于该方法建立的链路预测模型,本发明还提供了一种链路预测方法,该方法能够预测网络下一状态的所有链接。,下面是一种链路预测模型的建立及链路预测方法专利的具体信息内容。
1.一种链路预测模型的建立方法,所述链路预测模型包括:时序受限玻尔兹曼机模型和梯度提升决策树模型;所述方法包括:从互联网或多媒体中抓取大量的网络数据,对网络数据进行预处理,将网络数据划分为历史数据和现有数据,输入时序受限玻尔兹曼机模型,训练出模型参数;提取网络数据节点对的网络拓扑特征,形成特征集并输入梯度提升决策树模型,训练出模型参数;所述链路预测模型包括训练好的时序受限玻尔兹曼机模型和梯度提升决策树模型;
所述方法具体包括:
步骤S1)从互联网或多媒体中抓取大量的网络数据,对网络数据进行预处理,使网络数据不包含孤立节点或节点对;
步骤S2)按一定时间长度将网络数据划分为时间片,每个时间片下构造网络图G={GK,GK-1,…,G1},将G用时序邻接矩阵表达为A={AK,AK-1,…,A1},然后确认时间窗为N,N
步骤S4)将{GK,…,G2}合并成基础网络G’;以G1为标准集,从G’中选出相距为一跳的节点对,形成正负样本;并使正负样本数量一致;提取节点对的网络拓扑特征,形成特征集并输入梯度提升决策树模型,训练出模型参数;
步骤S5)所述链路预测模型训练完毕,所述链路预测模型包括训练好的时序受限玻尔兹曼机模型和梯度提升决策树模型。
2.根据权利要求1所述的链路预测模型的建立方法,其特征在于,所述步骤S4)的网络拓扑特征包括基于邻居的特征和基于网络游走的特征。
3.一种链路预测方法,基于权利要求2所述的方法建立的链路预测模型实现,所述方法包括:
步骤T1)抓取待预测的网络数据,并进行预处理,使网络数据不包含孤立节点或节点对;
步骤T2)按一定时间长度将待预测的网络数据划分为时间片,每个时间片下构造网络图G={GK,GK-1,…,G1,G0},其中{GN,GN-1,…,G2}为历史网络图,{G1}为现有网络图,{G0}为待预测的网络图;将G用时序邻接矩阵表达为A={AK,AK-1,…,A1,A0};时间窗为N,N
步骤T3)用{GK,GK-1,…,G1}构造基础网络,利用步骤S4)提取特征集,输入梯度提升决策树模型,预测{G0}下的节点连接状态,得到预测结果R2;
步骤T4)加权合并结果R1,R2,最后得到融合后的预测结果R。
4.根据权利要求3所述的链路预测方法,其特征在于,所述步骤T4)的实现过程为:
如果R1和R2中有共同的节点对,则加权合并得到R=α·R1+(1-α)·R2,α取值在0.5-
0.7之间;如果R1中存在R2中没有的节点对,则预测结果R=R1。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
描述驱油剂在多孔介质中变形运移的力学模拟方法 | 2020-05-12 | 383 |
基于受限玻尔兹曼机的置换混叠图像盲分离方法及系统 | 2020-05-14 | 143 |
电器功能的预测方法及装置 | 2020-05-15 | 271 |
基于深度信念网络的计量装置故障溯源方法 | 2020-05-16 | 103 |
一种基于稀疏高斯伯努利受限玻尔兹曼机和循环神经网络的故障分类模型及方法 | 2020-05-12 | 544 |
基于深度学习参数优化的短时交通流量预测方法 | 2020-05-14 | 905 |
一种太阳能电池开路电压分布的检测装置及其检测方法 | 2020-05-14 | 794 |
一种湿式双离合变速器离合器摩擦片公差分析方法 | 2020-05-16 | 708 |
晶圆图形提取方法及其提取系统 | 2020-05-17 | 776 |
一种基于光伏电源的虚拟原动机输出功率调节方法 | 2020-05-12 | 143 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。