隨著硬件計(jì)算能力的升級(jí),人們現(xiàn)在已經(jīng)習(xí)慣于分析原始數(shù)據(jù)集而不是抽樣得到的小樣本數(shù)據(jù)集。在這樣的背景下,復(fù)雜網(wǎng)絡(luò)的大規(guī)模分析形成常規(guī)。其中,網(wǎng)絡(luò)表示算法可以將非結(jié)構(gòu)化的網(wǎng)絡(luò)連接數(shù)據(jù)轉(zhuǎn)化為結(jié)構(gòu)化的向量數(shù)據(jù),使得復(fù)雜網(wǎng)絡(luò)上的經(jīng)典任務(wù)可以使用機(jī)器學(xué)習(xí)的方法解決。然而復(fù)雜網(wǎng)絡(luò)的龐大數(shù)量級(jí)為實(shí)際應(yīng)用造成了許多難點(diǎn),因此,如何設(shè)計(jì)成本低的網(wǎng)絡(luò)表示算法應(yīng)用場(chǎng)景依舊是研究的重點(diǎn)�；ヂ�(lián)網(wǎng)背景下的社交網(wǎng)絡(luò)存在廣泛,應(yīng)用眾多,并且是典型的具有龐大數(shù)量級(jí)的復(fù)雜網(wǎng)絡(luò)。因此,對(duì)社交網(wǎng)絡(luò)表示學(xué)習(xí)進(jìn)行降低成本的流程設(shè)計(jì)具有重要的現(xiàn)實(shí)意義。本文通過設(shè)計(jì)圖采樣,探尋降低社交網(wǎng)絡(luò)表示學(xué)習(xí)算法運(yùn)算成本的思路。主要研究?jī)?nèi)容如下:首先,用文獻(xiàn)分析找出圖采樣應(yīng)該關(guān)注的子圖特征。用機(jī)器學(xué)習(xí)決策樹特征選擇檢驗(yàn)以上的子圖特征。然后根據(jù)子圖特征設(shè)計(jì)相對(duì)可控的圖采樣方法包括:生成樹,帶參數(shù)的隨機(jī)游走采樣,倒排節(jié)點(diǎn)度數(shù)列表的固定變長(zhǎng)/滑動(dòng)窗口采樣法。并使用社交網(wǎng)絡(luò)的“優(yōu)先連接原則”的特征,改進(jìn)倒排節(jié)點(diǎn)度數(shù)列表的滑動(dòng)窗口采樣法,直接對(duì)每個(gè)窗口內(nèi)生成的子圖邊數(shù)進(jìn)行估算。其次,設(shè)計(jì)將圖采樣與網(wǎng)絡(luò)表示學(xué)習(xí)結(jié)合起來的流程,設(shè)計(jì)子圖節(jié)點(diǎn)向量表示計(jì)算得到全圖節(jié)點(diǎn)向量表示的重心法。以只需要網(wǎng)絡(luò)結(jié)構(gòu)信息的鏈接預(yù)測(cè)作為下游任務(wù)。之后,在隨機(jī)圖以及真實(shí)網(wǎng)絡(luò)數(shù)據(jù)集上用該流程進(jìn)一步考察圖采樣中的其他特征,包括:“最佳邊數(shù)”,前期實(shí)驗(yàn)未驗(yàn)證的高度數(shù)節(jié)點(diǎn),以及上文所設(shè)計(jì)的根據(jù)社交網(wǎng)絡(luò)的“優(yōu)先連接原則”特征估算邊數(shù)的改進(jìn)方案。其中,第一項(xiàng)首先在真實(shí)數(shù)據(jù)集的實(shí)驗(yàn)過程中發(fā)現(xiàn),后用隨機(jī)圖進(jìn)行分析驗(yàn)證;第二項(xiàng)在隨機(jī)圖上進(jìn)行;最后一項(xiàng)在4個(gè)真實(shí)網(wǎng)絡(luò)數(shù)據(jù)集上進(jìn)行。最后,以一個(gè)真實(shí)網(wǎng)絡(luò)數(shù)據(jù)集為例,展示如何使用設(shè)計(jì)的圖采樣方法迅速找到適用的子圖。說明在實(shí)際中,不需要使得采樣的子圖邊數(shù)達(dá)到“最佳邊數(shù)”,用較少的邊在一些簡(jiǎn)單任務(wù)如“鏈接預(yù)測(cè)”中也能夠得到很好的效果。本文的主要貢獻(xiàn)以及創(chuàng)新點(diǎn)有:(1)提出了一個(gè)將圖采樣和社交網(wǎng)絡(luò)表示學(xué)習(xí)結(jié)合起來的框架。包含圖采樣方法的設(shè)計(jì),子圖節(jié)點(diǎn)向量表示為全圖節(jié)點(diǎn)向量的重心法。(2)驗(yàn)證了“高邊數(shù),高平均度數(shù)”的采樣子圖能得到好的全圖網(wǎng)絡(luò)表示。(3)提出了“最佳邊數(shù)”。隨機(jī)圖上的結(jié)果表示,圖密度越高,“最佳邊數(shù)”占邊數(shù)的比率越低。(4)在4個(gè)真實(shí)數(shù)據(jù)集上驗(yàn)證了,“優(yōu)先連接法則”可以較準(zhǔn)確地估計(jì)子圖的邊數(shù)。從而在設(shè)計(jì)針對(duì)社交網(wǎng)絡(luò)或是其他無標(biāo)度網(wǎng)絡(luò)表示學(xué)習(xí)的圖采樣時(shí),用節(jié)點(diǎn)度數(shù)估算得到邊數(shù)能夠有效降低在圖上查找計(jì)算邊數(shù)的成本。(5)提出了在規(guī)定成本內(nèi),使用設(shè)計(jì)的改進(jìn)版倒排節(jié)點(diǎn)度數(shù)列表滑動(dòng)窗口采樣可迅速得到適用的子圖的步驟。本文的設(shè)計(jì)和結(jié)論不局限于社交網(wǎng)絡(luò)。用圖采樣幫助降低網(wǎng)絡(luò)表示學(xué)習(xí)的成本的設(shè)計(jì)可容易地拓展到其他網(wǎng)絡(luò)。其中,“高邊數(shù)”適用于所有的以邊連接信息為直接或隱含輸入的網(wǎng)絡(luò)表示算法,即是大部分流行的網(wǎng)絡(luò)表示算法,不局限與本文所使用的LINE算法,“多采用高度數(shù)節(jié)點(diǎn)”,以及用“'優(yōu)先連接法則'估算子圖邊數(shù)”可容易地拓展到其他無標(biāo)度網(wǎng)絡(luò)上。
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：O157.5
【部分圖文】：

幾個(gè)真實(shí)網(wǎng)絡(luò)對(duì)式2.1的擬合

包含的解讀有：①對(duì)于 個(gè)全圖，在 絡(luò)表 使 的節(jié)點(diǎn)之間的信息越多，則訓(xùn)練出的 絡(luò)極 時(shí)， 法有效地訓(xùn)練出 個(gè)圖向量表 。明以上①解讀的還有LINE原始論 中的另 個(gè)ube數(shù)據(jù)集中的節(jié)點(diǎn)按照度數(shù)(0, 1], [2, 3], [4, 66組，統(tǒng)計(jì)了這6組節(jié)點(diǎn)在多標(biāo)簽分類任務(wù)中的表點(diǎn)表現(xiàn)得更好。這可能是因?yàn)椋狐c(diǎn)所含的信息量較多，易于訓(xùn)練。（節(jié)點(diǎn)對(duì)全來表 ，其中 是在該圖中節(jié)點(diǎn)度數(shù)為 的 pipidi圖3.1 LINE網(wǎng)絡(luò)向量表示質(zhì)量與參與學(xué)習(xí)的網(wǎng)絡(luò)邊數(shù)的關(guān)系

E論 中所給出的“邊采樣次數(shù)—訓(xùn)練結(jié)果”曲線結(jié)果次數(shù) 夠多時(shí)，訓(xùn)練結(jié)果趨于穩(wěn)定，并且迅速攀升到上的②。從 由①可知圖中的 度數(shù)節(jié)點(diǎn)所含信息量該多采樣圖中的較 度數(shù)節(jié)點(diǎn)。同樣，2）“ 圖中節(jié)e variance）”也 需考慮。因?yàn)楫?dāng)訓(xùn)練中的邊采樣次數(shù) 差 帶來的不均勻的節(jié)點(diǎn)更新的效應(yīng)會(huì)被消除。圖3.2 LINE不同組度數(shù)節(jié)點(diǎn)的訓(xùn)練效果
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉飛;;以社交網(wǎng)絡(luò)為基礎(chǔ)的企業(yè)營銷策略[J];商場(chǎng)現(xiàn)代化;2018年22期

2 孫夏卿;;社交網(wǎng)絡(luò)媒體對(duì)大學(xué)生賦權(quán)的價(jià)值體現(xiàn)[J];傳播力研究;2018年31期

3 孫金銘;吳珎義;任世浛;趙云龍;高寧;鄭嘯航;;杭州市使用社交網(wǎng)絡(luò)大學(xué)生MSM人群規(guī)模評(píng)估研究[J];中國學(xué)校衛(wèi)生;2017年09期

4 范國婷;楊穎;孫剛;趙佳;;基于擾動(dòng)的社交網(wǎng)絡(luò)保護(hù)方法研究[J];阜陽師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2017年04期

5 楊邦林;林媛媛;林谷洋;林惠茹;;社交網(wǎng)絡(luò)使用對(duì)大學(xué)生孤獨(dú)感的影響[J];信陽師范學(xué)院學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2018年02期

6 于建偉;;基于社交網(wǎng)絡(luò)的人格分析與預(yù)測(cè)[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2018年04期

7 陳潔;;利用社交網(wǎng)絡(luò)增強(qiáng)大學(xué)生思想疏導(dǎo)教育實(shí)效性研究[J];戲劇之家;2018年11期

8 魏蒙蒙;陳進(jìn);;社交網(wǎng)絡(luò)招聘的優(yōu)勢(shì)分析和應(yīng)用建議[J];安徽文學(xué)(下半月);2018年03期

9 江瑞辰;;大學(xué)生人格特征與移動(dòng)社交網(wǎng)絡(luò)使用動(dòng)機(jī)的關(guān)系——自尊的中介作用[J];成都師范學(xué)院學(xué)報(bào);2018年02期

10 王碧;;“神話里少不了惡魔”——原型視域下電影《社交網(wǎng)絡(luò)》人物形象闡釋[J];電影評(píng)介;2018年07期

相關(guān)博士學(xué)位論文 前10條

1 王健;突發(fā)公共事件背景下在線社交網(wǎng)絡(luò)信息擴(kuò)散及治理研究[D];南京師范大學(xué);2018年

2 聶原平;面向社交網(wǎng)絡(luò)的文本分析關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2017年

3 朱湘;面向社交網(wǎng)絡(luò)的信息傳播關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2017年

4 陳偉;社交網(wǎng)絡(luò)與時(shí)空數(shù)據(jù)連接的關(guān)鍵技術(shù)及應(yīng)用研究[D];蘇州大學(xué);2018年

5 唐興;線上社交網(wǎng)絡(luò)中用戶個(gè)體行為挖掘方法研究[D];西安電子科技大學(xué);2016年

6 蔣志雄;宗教社會(huì)資本功能的實(shí)證研究[D];武漢大學(xué);2014年

7 姚靜靜;社交網(wǎng)絡(luò)用戶過度使用到理性使用的實(shí)證研究[D];中國科學(xué)技術(shù)大學(xué);2017年

8 Adeel Luqman;基于縱向信息系統(tǒng)生命周期視角理解和預(yù)測(cè)享樂社交網(wǎng)絡(luò)的退出意愿[D];中國科學(xué)技術(shù)大學(xué);2017年

9 彭川;在線社交網(wǎng)絡(luò)中的信息傳播預(yù)測(cè)模型研究[D];武漢大學(xué);2016年

10 劉立;基于多個(gè)社交網(wǎng)絡(luò)的用戶關(guān)系分析[D];北京理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 陳玙;社交網(wǎng)絡(luò)環(huán)境下基于信任約束的觀點(diǎn)演化機(jī)制研究[D];南京師范大學(xué);2018年

2 常亞飛;社交網(wǎng)絡(luò)中影響力最大化問題的并行算法研究[D];哈爾濱工業(yè)大學(xué);2017年

3 朱一波;面向移動(dòng)社交網(wǎng)絡(luò)的用戶關(guān)系強(qiáng)度并行挖掘算法研究[D];南京師范大學(xué);2018年

4 Gordeeva Tatiana;俄羅斯社交網(wǎng)絡(luò)上的中國形象[D];上海外國語大學(xué);2018年

5 李杰;基于主題建模和用戶行為分析的藏族微博用戶群體發(fā)現(xiàn)[D];中央民族大學(xué);2018年

6 吳（龍?zhí)欤╋w;移動(dòng)社交網(wǎng)絡(luò)中基于智能優(yōu)化的消息轉(zhuǎn)發(fā)機(jī)制研究[D];蘇州大學(xué);2018年

7 李維杰;基于認(rèn)知心理學(xué)的移動(dòng)社交網(wǎng)絡(luò)信息架構(gòu)設(shè)計(jì)研究[D];江南大學(xué);2018年

8 章倩雯;社交網(wǎng)絡(luò)中影響最大化及傳播效應(yīng)的研究[D];華東師范大學(xué);2018年

9 簡(jiǎn)興明;社交網(wǎng)絡(luò)中緊密子圖發(fā)現(xiàn)與信息推薦算法研究[D];昆明理工大學(xué);2018年

10 方廣;基于社交網(wǎng)絡(luò)用戶興趣的組推薦技術(shù)的研究[D];昆明理工大學(xué);2018年

本文編號(hào)：2851163