近年來(lái),網(wǎng)絡(luò)數(shù)據(jù)研究成為數(shù)據(jù)挖掘領(lǐng)域熱點(diǎn)問(wèn)題之一。當(dāng)前機(jī)器學(xué)習(xí)算法基于結(jié)構(gòu)化的數(shù)據(jù)輸入,很難直接應(yīng)用到網(wǎng)絡(luò)數(shù)據(jù)中。網(wǎng)絡(luò)表示學(xué)習(xí)的出現(xiàn)為解決該難題提供了可行途徑。網(wǎng)絡(luò)表示學(xué)習(xí)通過(guò)將原始網(wǎng)絡(luò)數(shù)據(jù)逐層抽象為自身任務(wù)所需的最終特征表示,挖掘出了網(wǎng)絡(luò)中的深層語(yǔ)義信息,有效緩解了數(shù)據(jù)稀疏問(wèn)題。網(wǎng)絡(luò)表示學(xué)習(xí)在節(jié)點(diǎn)學(xué)習(xí)過(guò)程中融合屬性信息有利于進(jìn)一步挖掘網(wǎng)絡(luò)中的語(yǔ)義信息,提高最終表示的質(zhì)量。該類(lèi)算法忽視了數(shù)據(jù)中易獲得的先驗(yàn)信息,從而使得學(xué)到的表示缺乏區(qū)分性。本文圍繞先驗(yàn)信息與屬性網(wǎng)絡(luò)表示學(xué)習(xí)的融合展開(kāi)研究,主要內(nèi)容如下:首先,針對(duì)現(xiàn)有ASNE算法中節(jié)點(diǎn)表示學(xué)習(xí)過(guò)程未利用先驗(yàn)信息而缺乏區(qū)分性的問(wèn)題,提出一種將標(biāo)簽信息融入節(jié)點(diǎn)學(xué)習(xí)過(guò)程的改進(jìn)方法。該方法利用少量的監(jiān)督信息來(lái)指導(dǎo)節(jié)點(diǎn)表示的學(xué)習(xí)過(guò)程,恢復(fù)網(wǎng)絡(luò)的潛在結(jié)構(gòu)。在兩個(gè)人工網(wǎng)絡(luò)、四個(gè)真實(shí)網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn),結(jié)果表明該方法在NMI與ACC上較原算法提高5%左右。其次,針對(duì)第一個(gè)實(shí)驗(yàn)中屬性網(wǎng)絡(luò)表示學(xué)習(xí)存在的問(wèn)題,如節(jié)點(diǎn)降維維度的選擇、屬性信息與結(jié)構(gòu)信息不能完美融合以及相比標(biāo)簽信息約束對(duì)信息更易獲得的問(wèn)題,提出一種預(yù)訓(xùn)練加優(yōu)化訓(xùn)練的改進(jìn)方法。該方法在預(yù)訓(xùn)練中通過(guò)新構(gòu)建... 

【文章來(lái)源】：河北地質(zhì)大學(xué)河北省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 屬性網(wǎng)絡(luò)表示學(xué)習(xí)
    2.1 研究基礎(chǔ)
        2.1.1 相關(guān)定義
        2.1.2 隨機(jī)游走策略
        2.1.3 詞向量訓(xùn)練模型
        2.1.4 先驗(yàn)信息
    2.2 無(wú)監(jiān)督屬性網(wǎng)絡(luò)表示學(xué)習(xí)概述
        2.2.1 DeepWalk算法
        2.2.2 node2vec算法
        2.2.3 TADW算法
        2.2.4 ASNE算法
    2.3 半監(jiān)督屬性網(wǎng)絡(luò)表示學(xué)習(xí)概述
        2.3.1 Planetoid算法
        2.3.2 GCN算法
    2.4 本章小結(jié)
第三章 融合標(biāo)簽信息的屬性網(wǎng)絡(luò)表示學(xué)習(xí)方法
    3.1 研究動(dòng)機(jī)
    3.2 SASNE模型設(shè)計(jì)
        3.2.1 編碼函數(shù)
        3.2.2 譯碼函數(shù)
        3.2.3 損失函數(shù)
        3.2.4 算法描述
    3.3 實(shí)驗(yàn)結(jié)果分析
        3.3.1 實(shí)驗(yàn)設(shè)計(jì)
        3.3.2 人工網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果及分析
        3.3.3 真實(shí)網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果及分析
        3.3.4 時(shí)間性能分析
        3.3.5 參數(shù)敏感度分析
    3.4 本章小結(jié)
第四章 融合約束信息的屬性網(wǎng)絡(luò)表示學(xué)習(xí)方法
    4.1 研究動(dòng)機(jī)
    4.2 模型設(shè)計(jì)
        4.2.1 預(yù)訓(xùn)練
        4.2.2 優(yōu)化訓(xùn)練
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 實(shí)驗(yàn)設(shè)計(jì)
        4.3.2 維度實(shí)驗(yàn)結(jié)果及分析
        4.3.3 真實(shí)網(wǎng)絡(luò)實(shí)驗(yàn)結(jié)果及分析
        4.3.4 參數(shù)敏感度分析
    4.4 本章小結(jié)
第五章 基于真實(shí)屬性網(wǎng)絡(luò)的鏈接預(yù)測(cè)
    5.1 屬性網(wǎng)絡(luò)鏈接預(yù)測(cè)
    5.2 基于Scrapy的知乎數(shù)據(jù)爬取
        5.2.1 Scrapy框架
        5.2.2 知乎頁(yè)面分析與數(shù)據(jù)獲取
    5.3 基于真實(shí)屬性網(wǎng)絡(luò)的鏈接預(yù)測(cè)
        5.3.1 構(gòu)建屬性網(wǎng)絡(luò)
        5.3.2 鏈接預(yù)測(cè)
    5.4 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文和科研成果
作者簡(jiǎn)介
致謝



本文編號(hào)：3172952