目录
摘 要 II
关键词 II
ABSTRACT III
KEY WORDS III
1 绪论 1
1.1 研究背景及意义 1
1.2 研究现状 2
1.3 论文主要工作 3
2 动态图注意力网络结构 4
2.1 动态图注意力网络模型 4
2.1.1 注意力机制 4
2.1.2 时间编码 6
2.1.3 动态图注意力层 8
2.2 改进的动态图注意力网络模型 10
2.2.1 随机删边技术 10
2.2.2 链接预测 11
2.3 实验 12
2.3.1 实验环境 12
2.3.2 数据集 13
2.3.3 实验过程 14
2.3.4 实验结果分析 16
3 可视化界面 18
3.1 功能描述 18
3.2 界面展示 18
4 总结与展望 24
4.1 总结 24
4.2 展望 24
致谢 25
参考文献 26
动态图的表示方法研究
摘 要
传统图学习模型主要是为静态图设计的，但是实际应用中的很多问题往往采用动态图描述，其节点、属性和边随时间变化，为图学习和推理带来了挑战，动态图上的归纳表示学习是图学习迈向现实世界中实际网络的重要一步。动态图不断发展的性质要求图模型在学习时间模式的同时处理新节点，将节点表示看作是时间的函数。动态图注意力网络TGAT模型可以有效地聚合节点的时序邻居特征和时间，通过同时提取节点特征和不断发展的节点拓扑结构，每当图发生变化时，都可以对新节点和已存在的节点进行表示，以处理链接预测和节点分类等任务。TGAT模型的核心TGAT层主要由时间编码和自注意力机制组成，论文使用随机删边技术对该模型进行改进并取得了一定的效果。论文的主要工作如下：1.搭建动态图注意力网络TGAT模型，并在多个数据集上进行训练，确定相对最优的训练参数；2.提出改进的动态图表示算法，提高该算法的性能和准确率；3.设计并 *51今日免费论文网|www.51jrft.com +Q: &351916072& 
实现一个基于已训练模型的可视化界面，可视化输出模型链接预测和节点分类的结果。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/605704.html