一种基于深度学习的高效区块链账户交易预测模型制造技术

本发明专利技术涉及一种基于深度学习的高效区块链账户交易预测模型，所述交易预测模型包括序列分解层、可堆叠的编码器Encoder及解码器Decoder，所述交易预测模型含有账户嵌入层模块与交易相关性注意力模块TC‑Attention。本发明专利技术的深度学习模型ATFormer和交易相关性注意力模块TC‑Attention用以解决现有深度学习模型在账户交易量预测上的两个瓶颈：缺乏账户语义信息、点尺度的特征提取与建模，账户嵌入层通过两个编码模块为模型额外补充账户语义信息，TC‑Attention将随机过程的互相关性理论引入建模过程，本发明专利技术的ATFormer模型相比基于历史交易的划分方法降低了30.0％的MSE误差和15.9％的MAE误差，基于ATFormer构建的划分方法降低16.2％跨片交易占比且提升24.0％负载均衡。

【技术实现步骤摘要】

本专利技术属于区块链分片，具体涉及一种基于深度学习的高效区块链账户交易预测模型。

技术介绍

1、分片技术被认为是区块链扩容的有效方案之一。其核心思想是将整个区块链网络分割成多个独立的委员会(shards)，每个委员会可以独立运行和处理交易，从而提高整个系统的吞吐量。并且各个委员会仅需要存储区块链与其相关的部分状态，缓解了节点面对大规模交易时的存储压力。区块链分片技术为提高系统扩展性和性能带来了许多好处，但引入这种技术也带来了一些新的问题和挑战。实现分片要解决跨片交易占比过高和负载不均衡问题。优秀的账户划分算法能够平衡各片区的负载并尽可能的降低跨片交易占比。尽管近年来在优化账户划分算法角度上涌现了许多工作，但大多工作都依赖于未来交易分布与历史交易分布相似的假设。然而历史交易在大多数情况下并不能准确刻画未来交易的情况，将历史交易作为账户划分的依据，会导致划分结果不准确，从而影响系统性能。因此如何获得与未来交易相似的数据，以此作为账户划分的依据，成为提升账户划分算法效果的关键环节。

2、当前仅有的基于预测的账户划分算法的研究工作尚不成熟，采用基于深度本文档来自技高网...

【技术保护点】

1.一种基于深度学习的高效区块链账户交易预测模型，其特征在于：所述交易预测模型包括序列分解层、可堆叠的编码器Encoder及解码器Decoder，所述交易预测模型含有账户嵌入层模块与交易相关性注意力模块TC-Attention；

2.根据权利要求1所述的基于深度学习的高效区块链账户交易预测模型，其特征在于：所述账户嵌入层模块包含账户通道嵌入模块、当前账户嵌入模块及正余弦位置嵌入模块(Sinusoidal Positional Embedding)，所述账户嵌入层模块的嵌入阶段概括为下式，所有的嵌入信息之间是加合关系；

3.根据权利要求1所述的基于深度学习的高效区块...

【技术特征摘要】

1.一种基于深度学习的高效区块链账户交易预测模型，其特征在于：所述交易预测模型包括序列分解层、可堆叠的编码器encoder及解码器decoder，所述交易预测模型含有账户嵌入层模块与交易相关性注意力模块tc-attention；

2.根据权利要求1所述的基于深度学习的高效区块链账户交易预测模型，其特征在于：所述账户嵌入层模块包含账户通道嵌入模块、当前账户嵌入模块及正余弦位置嵌入...

【专利技术属性】
技术研发人员：王建荣，张之琳，胡登铖，刘秀龙，李琦，
申请(专利权)人：天津大学，
类型：发明
国别省市：