本發明提供了一種基于強化學習的動態鏈路預測模型魯棒性增強方法,包括:(1)對原始圖數據進行特征嵌入,提取嵌入向量;(2)將特征嵌入后的嵌入向量作為馬爾科夫決策過程中的狀態進行建模,輸出動作為修改的連邊數;(3)使用強化學習DDPG的訓練策略,逐圖增刪連邊,直到最后一張;(4)計算處理后的圖數據,輸入到動態鏈路預測模型進行準確率預測,得到回報值;(5)重復步驟(3)~(4),直到設定的訓練輪數,得到魯棒性增強的圖數據。利用本發明的方法,修改后的圖數據在模型上可以保持良好的性能,同時具有強魯棒性,對動態鏈路預測模型應用到安全關鍵的領域中具有重要的理論和實踐意義。
聲明:
“基于強化學習的動態鏈路預測模型魯棒性增強方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)