摘要：在網絡結構不斷變化的同時,社區結構也隨之演化.社區結構在不同時間片的變化可定義為四種不同的演化事件:持續、分離、融合和消失.本文運用網絡表示學習的方法,對網絡進行圖嵌入編碼映射到低維向量空間中,研究動態社區演化事件的預測.特征方面,在傳統的社區內部屬性特征、時間片間屬性特性變化和前段時間片的社區演化事件的特征維度的基礎上,引入潛在結構特征表征四種演化事件,運用隨機游走和Softmax思想獲取潛在的結構特征;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練,克服了已有算法僅獲取局部結構特征的缺陷.實驗在DBLP、FACEBOOK和Bitcoin數據集上,對比SVM、XGBOOST和RIDGE模型訓練,證實了新提出的算法模型對最終預測準確率有很大的提升.