摘要：在網(wǎng)絡(luò)結(jié)構(gòu)不斷變化的同時,社區(qū)結(jié)構(gòu)也隨之演化.社區(qū)結(jié)構(gòu)在不同時間片的變化可定義為四種不同的演化事件:持續(xù)、分離、融合和消失.本文運用網(wǎng)絡(luò)表示學(xué)習(xí)的方法,對網(wǎng)絡(luò)進行圖嵌入編碼映射到低維向量空間中,研究動態(tài)社區(qū)演化事件的預(yù)測.特征方面,在傳統(tǒng)的社區(qū)內(nèi)部屬性特征、時間片間屬性特性變化和前段時間片的社區(qū)演化事件的特征維度的基礎(chǔ)上,引入潛在結(jié)構(gòu)特征表征四種演化事件,運用隨機游走和Softmax思想獲取潛在的結(jié)構(gòu)特征;模型方面,引入深度隨機森林的策略,同時采用attention機制、蒙特卡洛特征采樣策略進行特征融合和特征訓(xùn)練,克服了已有算法僅獲取局部結(jié)構(gòu)特征的缺陷.實驗在DBLP、FACEBOOK和Bitcoin數(shù)據(jù)集上,對比SVM、XGBOOST和RIDGE模型訓(xùn)練,證實了新提出的算法模型對最終預(yù)測準(zhǔn)確率有很大的提升.