[发明专利]一种用于链路预测的深度学习降维方法和装置有效
| 申请号： | 201710195501.3 | 申请日： | 2017-03-29 |
| 公开（公告）号： | CN106972967B | 公开（公告）日： | 2020-07-24 |
| 发明（设计）人： | 高昕;张艳;李太松;邹潇湘;舒敏;云晓春;颜永红;张震;计哲;王锟;侯美佳;彭义刚;金暐;董琳 | 申请（专利权）人： | 国家计算机网络与信息安全管理中心;中国科学院声学研究所 |
| 主分类号： | H04L12/24 | 分类号： | H04L12/24;G06N99/00;G06Q10/04 |
| 代理公司： | 工业和信息化部电子专利中心 11010 | 代理人： | 于金平 |
| 地址： | 100029*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出了一种用于链路预测的深度学习降维方法和装置，该方法，包括：根据各个网络节点在设定时间段内的连接关系，确定每个网络节点的一级连接网络节点和二级连接网络节点；按照设定时长将所述设定时间段划分为多个时间片，并根据所述各个网络节点在每个时间片内的连接关系，确定出在每个时间片内每个网络节点与对应的一级连接网络节点和二级连接网络节点的连接关系；根据在每个时间片内每个网络节点与对应的一级连接网络节点和二级连接网络节点的连接关系，通过深度学习算法模型，对所述各个网络节点进行链路预测。本发明减少输入到深度学习算法模型的数据量，减少学习训练时间并提高链路预测的准确性。 | ||
| 搜索关键词： | 一种 用于 预测 深度 学习 方法 装置 | ||
【主权项】：
一种用于链路预测的深度学习降维方法，其特征在于，包括：根据各个网络节点在设定时间段内的连接关系，确定每个网络节点的一级连接网络节点和二级连接网络节点；按照设定时长将所述设定时间段划分为多个时间片，并根据所述各个网络节点在每个时间片内的连接关系，确定出在每个时间片内每个网络节点与对应的一级连接网络节点和二级连接网络节点的连接关系；根据在每个时间片内每个网络节点与对应的一级连接网络节点和二级连接网络节点的连接关系，通过深度学习算法模型，对所述各个网络节点进行链路预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国家计算机网络与信息安全管理中心;中国科学院声学研究所，未经国家计算机网络与信息安全管理中心;中国科学院声学研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710195501.3/，转载请声明来源钻瓜专利网。
