计算机工程与科学

作者：张梦圆, 端阳, 王彬彬, 张蕾, 吴裔, 刘畅, 郭乃网, 程大伟

单位：1.国网上海市电力公司，上海 200122；2.同济大学计算机科学与技术学院，上海 201804

关键词：图生成;动态图;生成对抗网络,图自注意力机制,

基金：国家电网有限公司科技项目（52094024001D）

近年来，图生成问题受到了广泛关注。通过学习真实图的分布，图生成技术能够生成与其具有相似特征的合成图，广泛应用于电子商务、电力网络等各个领域。在实际应用中，大多数图是动态变化的，图的拓扑结构会随着时间的推移发生改变。然而，现有的图生成器主要针对静态图进行设计，忽略了图的时序特征，而且现有的动态图生成模型普遍存在训练时间长的问题，难以处理规模庞大的动态图。为了解决这些问题，提出了一种新的基于深度对抗网络的动态图生成模型DGGAN。模型编码器利用图自注意力机制实现并行计算，从而提升模型的训练效率，并使用门控机制来控制信息流动，帮助模型更有效地学习和记忆关键信息。在6个动态图数据集上对DGGAN和具有代表性的图生成模型进行全面的实验评估，实验结果表明，DGGAN在生成图的质量和效率上优于现有模型。

来源：2025年第4期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第4期