We introduce a System Evolution Recommender (SysEvoRecomd) algorithm that uses a novel algorithm Graph Evolution and Change Learning (GECL) to do system network reconstruction . Internally, GECL uses Deep Evolution Learner (DEL) to learn about evolution and changes happened over a system state series. The DEL is an extension of the deep learning algorithm, which uses an Evolving Connection Matrix (ECM) representing temporal patterns of the evolving entity-connections for training incremental states. The DEL generates a Deep System Neural Network (Deep SysNN) to do network (graph) reconstruction. The SysEvoRecomd extracts the evolving characteristic of graph with deep neural network techniques. It aims to learn the evolution and changes of the system state series to reconstruct the system network. Our key idea is to design three variants of GECL based on three remodeled deep learning techniques: Restricted Boltzmann Machine (RBM), Deep Belief Network (DBN), and denoising Autoencoder (dA). Based on proposed SysEvoRecomd algorithm, we developed a SysEvoRecomd-Tool, which is applied on different evolving systems: software, natural language, multisport event, retail market, and IMDb movie genre. We demonstrated the usefulness of intelligent recommendations using three variants of GECL based on RBM , DBN , and dA.

中文翻译：

---

SysEvoRecomd：通过图进化和变更学习进行网络重构

我们介绍一个 系统演进推荐者 （SysEvoRecomd）使用新算法的算法 图进化与变化学习 （GECL）做 系统网络重构 。在内部，GECL使用深度进化学习者（DEL）了解系统状态序列上发生的演变和变化。DEL是深度学习算法的扩展，它使用了不断发展的连接矩阵 （ECM）代表 不断发展的实体连接用于训练增量状态。DEL生成一个深度系统神经网络（Deep SysNN）做网络（图）重建。SysEvoRecomd使用深度神经网络技术提取图的演变特征。它旨在了解系统状态序列的演变和变化，以重建系统网络。我们的主要思想是基于三种重构的深度学习技术设计GECL的三种变体：受限玻尔兹曼机（RBM），深度信任网络（DBN）和降噪自动编码器（dA）。在提出的SysEvoRecomd算法的基础上，我们开发了SysEvoRecomd-Tool，可将其应用于各种不断发展的系统：软件，自然语言，多体育赛事，零售市场和IMDb电影流派。我们使用了基于以下内容的GECL的三种变体展示了智能推荐的有用性：成果管理制 ， DBN 和 dA。