[发明专利]一种时空分布迁移下的动态图神经网络预测方法及产品

权利要求书

1.一种时空分布迁移下的动态图神经网络预测方法，其特征在于，包括：

将动态图输入解耦的时空注意网络，得到节点的高阶不变时空表征和节点的高阶变化时空表征；

按照节点的邻域和节点的时间戳，对所述节点的高阶变化时空表征进行抽样和随机替换，得到多种干预分布；

根据所述节点的高阶不变时空表征、所述节点的高阶变化时空表征和所述多种干预分布对所述解耦的时空注意网络进行优化，得到动态图注意力网络，其中所述动态图注意力网络用于时空分布迁移下的动态图预测。

2.根据权利要求1所述的时空分布迁移下的动态图神经网络预测方法，其特征在于，按照节点的邻域和节点的时间戳，对所述节点的高阶变化时空表征进行抽样和随机替换，得到多种干预分布，包括：

从所述节点的高阶变化时空表征中抽取第一节点在第一时间戳的高阶变化时空表征；

以第二节点在第二时间戳的高阶变化时空表征替换所述第一节点在第一时间戳的高阶变化时空表征，得到所述多种干预分布。

3.根据权利要求2所述的时空分布迁移下的动态图神经网络预测方法，其特征在于，以第二节点在第二时间戳的高阶变化时空表征替换所述第一节点在第一时间戳的高阶变化时空表征，得到所述多种干预分布，包括：

在所述第二节点与所述第一节点相同，且所述第二时间戳与所述第一时间戳不同的情况下，以所述第二节点在第二时间戳的高阶变化时空表征替换所述第一节点在第一时间戳的高阶变化时空表征，得到多种第一类型的干预分布；

在所述第二节点与所述第一节点不同，且所述第二时间戳与所述第一时间戳相同的情况下，以所述第二节点在第二时间戳的高阶变化时空表征替换所述第一节点在第一时间戳的高阶变化时空表征，得到多种第二类型的干预分布；

在所述第二节点与所述第一节点不同，且所述第二时间戳与所述第一时间戳不同的情况下，以所述第二节点在第二时间戳的高阶变化时空表征替换所述第一节点在第一时间戳的高阶变化时空表征，得到多种第三类型的干预分布；

将所述多种第一类型的干预分布、所述第二类型的干预分布和所述第三类型的干预分布作为所述多种干预分布。

4.根据权利要求1所述的时空分布迁移下的动态图神经网络预测方法，其特征在于，将动态图输入解耦的时空注意网络，得到节点的高阶不变时空表征和节点的高阶变化时空表征，包括：

将所述动态图输入所述解耦的时空注意网络的第一时空注意力层，根据所述解耦的时空注意网络的第一时空注意力层对所述动态图的节点进行定义，得到节点的第一时空邻居表征和节点的第一信息表征；

根据所述节点的第一时空邻居表征和所述节点的第一信息表征，计算节点的第一不变时空表征和节点的第一变化时空表征；

将所述节点的第一不变时空表征和所述节点的第一变化时空表征进行组合，得到节点的第一时空表征；

将所述节点的第一时空表征输入所述解耦的时空注意网络的后续时空注意力层中，得到所述节点的高阶不变时空表征和所述节点的高阶变化时空表征。

5.根据权利要求4所述的时空分布迁移下的动态图神经网络预测方法，其特征在于，在得到节点的第一时空表征之后，包括：

根据所述解耦的时空注意网络的第m时空注意力层对第m-1节点时空表征进行定义，得到节点的第m时空邻居表征和节点的第m信息表征，其中m大于或等于2；

根据所述节点的第m时空邻居表征和所述节点的第m信息表征，计算节点的第m不变时空表征和节点的第m变化时空表征；

在所述第m时空注意力层不为最后时空注意力层的情况下，将所述节点的第m不变时空表征和所述节点的第m变化时空表征进行组合，得到节点的第m时空表征；

在所述第m时空注意力层为所述最后时空注意力层的情况下，将所述节点的第m不变时空表征作为所述节点的高阶不变时空表征，以及，将所述节点的第m变化时空表征作为所述节点的高阶变化时空表征。