發(fā)布時間：2021-04-18 20:36

　　圖卷積神經(jīng)網(wǎng)絡是一種基于不規(guī)則或非歐幾里得數(shù)據(jù)進行預測和分析的模型。數(shù)據(jù)科學如今發(fā)展迅速,圖卷積神經(jīng)網(wǎng)絡在各行各業(yè)都有很多應用。本文的主要內(nèi)容可分為兩部分:1.本文提出了一種新的圖卷積神經(jīng)網(wǎng)絡解決網(wǎng)絡表示學習中的節(jié)點分類問題。它建立在一個基于深度的圖結(jié)構(gòu)表示上,我們稱之為基于深度的子圖卷積神經(jīng)網(wǎng)絡（DSCNN,short for Depth-based Subgraph Convolutional Neural Networks）,它集成了圖中的全局排列和局部結(jié)構(gòu)信息。我們的想法是將圖分解為一系列以每個節(jié)點為根節(jié)點的K層擴展子圖,然后在這些子圖上設(shè)計一組卷積核以捕獲局部結(jié)構(gòu)信息。具體來說,我們首先為圖中每個節(jié)點建立一個K層擴展子圖,每個節(jié)點及其鄰居節(jié)點之間存在局部結(jié)構(gòu)信息。然后,我們設(shè)計了一組固定大小的卷積核,像標準卷積運算作用于規(guī)則數(shù)據(jù)上一樣提取局部特征。圖卷積運算提取圖中的局部結(jié)構(gòu)信息,并且子圖的不同位置之間的權(quán)重共享:池化操作直接作用于前一層的輸出而沒有任何預處理方案（例如,聚類或其他技術(shù)）。在三個圖結(jié)構(gòu)數(shù)據(jù)集的實驗證明我們的DSCNN在節(jié)點分類任務上的有效性。2.基于商品的協(xié)同... 

【文章來源】：廈門大學福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【部分圖文】：

圖１．２：該例子中，學生喜歡數(shù)學分析和高等代數(shù)兩本書，協(xié)同過濾會給這兩本書找出最相??似的三本書，然后根據(jù)公式計算出學生對每本書的感興趣程度

圖２．３：我們的ＤＳＣＮＮ的例子，其中瓦＝４和ｍ?＝?３〇?“Ｃｏｎｖ”箭頭表示卷積運算

圖２．４：接受域ｍ＋１和ｍ叉樹的深度Ｋ對所提ＤＳＣＮＮ的節(jié)點分類性能的影響??


本文編號：3146135