摘要
本发明公开了一种基于优化图嵌入表示的异常行为检测方法,首先获取需要进行异常行为检测的社交网络中的实体信息和关系信息,然后获取若干组正常状态下的历史数据,对于每组历史数据分别生成对应的时序知识图谱并进行补全,构建包括图神经网络,读取函数模块,长短时记忆网络和异常行为评估模块的动态图异常行为检测模型,采用历史数据补全后的时序知识图谱对动态图异常行为检测模型进行训练,获取待检测时间段对应的时序知识图谱并输入训练好的动态图异常行为检测模型,得到待检测时间段社交网络是否存在异常行为的检测结果。本发明在保留原始社交网络图结构和属性信息的同时提高嵌入的信息量,以提高异常行为检测模型的准确率。
技术关键词
实体
静态特征
时间段
注意力
二维卷积神经网络
节点
模块
邻居
时序
矩阵
融合特征
关系
社交
编码器
语义
动态
Sigmoid函数
知识图谱补全
系统为您推荐了相关专利信息
神经网络算法
轻量级卷积神经网络
残差神经网络
多尺度特征
复核系统
集群
节点
资源调度方法
服务质量需求
模型训练方法
行人轨迹预测方法
编码器模块
终点
迁移学习技术
阶段