摘要
本发明公开了一种时空注意力深度模型的动态链路预测方法,包括以下步骤:以动态网络对应的邻接矩阵A作为输入,其中,所述动态网络包括社交网络、通信网络、科学合作网络或社交安全网络;采用LSTM‑attention模型从邻接矩阵{ht‑T,...,ht‑1}中提取隐含层向量{ht‑T,...,ht‑1},并根据T个时刻的隐含层向量{ht‑T,...,ht‑1}计算上下文向量at,该上下文向量at作为时空特征向量输入至解码器中;采用解码器对输入的时间特征向量at进行解码,输出解码获得的表示节点与节点之间是否具有链路的概率矩阵,即实现了动态链路的预测。该动态链路预测方法通过提取动态网络的时空特征,实现了端到端的动态网络的链路预测。