一种基于深度时态神经网络的社区演化方法

本发明公开了一种基于深度时态神经网络的社区演化方法，步骤1)输入时态图数据在多个时刻的图结构集合；步骤2)将不同时刻的时态图数据分别通过GAT神经网络得到各自的节点表示。然后利用时间编码得到若干时刻的时间编码信息，将时间编码信息和不同时刻的节点表示进行拼接操作；步骤3)利用图注意力机制对时态图下一时刻节点特征进行预测，通过MLP对得到的节点特征进行降维操作，得到时态图下一时刻的节点特征矩阵；步骤4)在深度时态神经网络中的社区发现模块根据节点特征利用聚类算法中的DBSCAN算法对节点进行聚类，得到的聚类结果将划分为最终社区；本发明通过融合了多角度的特征提高了节点向量对时态图的表示能力，进而提高时态社区结构的准确率。