基于图卷积神经网络的节点状态预测的方法技术

本发明专利技术公开了基于图卷积神经网络进行节点状态预测的方法。通过图卷积神经网络算法，我们可以输入数据的网络结构和某一时刻的节点状态，节点状态可以是连续的状态值或者是离散的类别状态，进而对下一时刻的节点状态进行预测。本发明专利技术中的对网络结构的数据进行节点状态预测是非常有意义的，并且可以应用到很多领域，比如交通网络上的流量预测，疾病传播网络上的染病情况预测等等。传统的状态预测的方法一般会忽略网络结构导致预测结果的不准确，因此本发明专利技术提出的基于网络结构对节点状态进行预测的方法不仅具有较好的效果，而且具有广阔的应用领域。

A Node State Prediction Method Based on Graph Convolution Neural Network

【技术实现步骤摘要】
基于图卷积神经网络的节点状态预测的方法
对网络结构的数据进行节点状态预测，具体涉及到图卷积神经网络算法

技术介绍
真实世界中，许多重要的数据都是以网络的形式存在的。网络数据，是由节点和连边构成的数据，表示对象及其相互之间的联系。现如今，网络已经是最常用的数据类型之一，比如城市之间的道路连接构成了交通网络、人与人之间的关系构成了社交网络、科研论文之间的引用构成了科学家合作网等等。对于不同的网络，节点和连边代表不同的含义，网络结构也体现了节点之间的相互影响关系。另外，对于网络数据来说，为了能够充分的体现数据所具有的信息，节点和连边还可以带有不同的属性，比如交通网络中节点代表道路，连边表示道路之间的连接关系，每一个节点上还可以具有一定时间段的交通流量等状态信息，而连边的长短表示道路之间的距离等等。对于含有节点状态信息的网络数据，节点状态一般都是时序的，也就是说节点状态是随着时间不断变化的，那么如果我们获取了前t个时刻的节点状态，是否可以对未来的节点状态进行预测呢？在本专利技术中，我们就是基于数据的网络结构和节点上第t个时刻的状态信息，对t+1时刻的节点状态进行预测的。对未来的状态本文档来自技高网...

【技术保护点】
1.基于图卷积神经网络进行节点状态预测的方法，其特征在于，具体步骤如下：1)获取数据和数据预处理适用于有网络结构(G)存在的数据，如交通网络、贸易网络、传染病网络，用网络的邻接矩阵(A)来表示网络结构，邻接矩阵的表示为：

【技术特征摘要】
1.基于图卷积神经网络进行节点状态预测的方法，其特征在于，具体步骤如下：1)获取数据和数据预处理适用于有网络结构(G)存在的数据，如交通网络、贸易网络、传染病网络，用网络的邻接矩阵(A)来表示网络结构，邻接矩阵的表示为：其中，i，j为节点，E为连边，无权无向图的邻接矩阵即i，j之间存在连边就记为1，否则就记为0；另外输入当前时刻即t时刻的节点状态，而对于网络上的节点状态，连续的节点状态，直接用状态值作为输入，对于离散的节点状态，用one-hot编码节点的类别状态作为输入；2)在模型中训练我们的模型框架为卷积层-2线性层-卷积层-线性层-输...

【专利技术属性】
技术研发人员：辛茹月，刘晶，张江，
申请(专利权)人：北京师范大学，集智学园北京科技有限公司，
类型：发明
国别省市：北京,11