[发明专利]一种基于霍克斯过程与图神经网络的时空预测方法

权利要求书

1.一种基于霍克斯过程与图神经网络的时空预测方法，其特征在于：包括，

利用霍克斯过程获取离散事件的时间信息；

基于图卷积神经网络获取过去发生事件类别之间的相互影响，将所述图卷积神经网络的输出与所述时间信息及事件的类别进行矩阵连接，得到输入数据；

结合逆方法、循环神经网络及其变体对连续时间上的所述离散事件进行预测。

2.根据权利要求1所述的基于霍克斯过程与图神经网络的时空预测方法，其特征在于：还包括，获取图信息、时间特征、类别特征、信息融合、预测、训练和微调。

3.根据权利要求2所述的基于霍克斯过程与图神经网络的时空预测方法，其特征在于：所述获取图信息包括，用户节点的邻接矩阵及使用SVD获取的用户节点特征矩阵。

4.根据权利要求3所述的基于霍克斯过程与图神经网络的时空预测方法，其特征在于：所述时间特征包括，过去发生事件的具体时间间隔及发生时间矩阵。

5.根据权利要求4所述的基于霍克斯过程与图神经网络的时空预测方法，其特征在于：所述类别特征包括，过去所有发生事件的类别矩阵。

6.根据权利要求5所述的基于霍克斯过程与图神经网络的时空预测方法，其特征在于：所述信息融合包括，将所述邻接矩阵及特征矩阵输入图卷积神经网络，将所述图卷积神经网络的输出与所述类别矩阵、所述发生时间矩阵相连接。

7.根据权利要求6所述的基于霍克斯过程与图神经网络的时空预测方法，其特征在于：所述预测包括，模拟调用逆方法和蒙特卡洛采样对未来发生的时间类型和时间进行预测。

8.根据权利要求7所述的基于霍克斯过程与图神经网络的时空预测方法，其特征在于：所述训练包括，划分数据集，选取10个事件为一次训练，预测下一个事件发生的事件时间和类别，并通过交叉熵损失函数进行训练。

9.根据权利要求8所述的基于霍克斯过程与图神经网络的时空预测方法，其特征在于：所述微调包括，选取不同的batch size、不同的循环神经网络模型及学习率进行一系列微调，完成最优输出。