双层演化的动态图卷积神经网络模型构建方法及应用

摘要

本发明公开一种双层演化的动态图卷积神经网络模型构建方法及应用，该方法包括：以图卷积神经网络GCN为基础，利用循环神经网络RNN分别对GCN的网络参数和节点嵌入进行双层演化，捕捉图数据结构特征的变化，同时，保证节点嵌入在时间上的稳定性，利用节点嵌入演化结果与GCN生成的结果构造损失函数，修正GCN网络参数，形成无监督的动态图表示学习框架，完成双层演化的动态图卷积神经网络模型DEDGCN的构建。本发明的模型在学习节点动态性特征的同时可以捕获稳定性特征，利用节点的稳定性特征与图的结构性特征构建损失函数，使模型能够应用于无监督任务中，适用于多种场景下图数据的应用任务。