一种基于图神经网络和LSTM的动态图表示方法及系统

本发明提出了一种基于图神经网络和LSTM的动态图表示方法及系统，包括如下步骤：基于图神经网络和改进的LSTM记忆循环网络对DGNN模型进行改进得到DLGN模型；采集训练数据集，将时间序列长度按照活动频率比例分为不同的时间段，对DLGN模型进行训练；获取动态图节点初始化向量输入训练后的DLGN模型，得到节点的嵌入向量。本发明将采用图神经网络聚合节点信息之后输入到LSTM记忆网络，采用改进的LSTM的循环网络来获取图网络动态时间序列信息，利用了图神经网络在学习图结构信息的优势，以及循环神经单元LSTM在时间方面的优势，将两者结合使得节点嵌入向量在节点分类和链接预测任务呈现出较好的效果。