網(wǎng)絡表示方法一般分為兩種,傳統(tǒng)的基于拓撲的網(wǎng)絡表示通常直接使用鄰接矩陣,該矩陣可能包含噪聲或冗余信息�；谇度氲木W(wǎng)絡表示旨在學習低維空間中節(jié)點的密集和連續(xù)表示,從而可以減少噪聲或冗余信息,并保留固有結構信息。由于每個節(jié)點都由包含其感興趣信息的向量表示,因此可以通過計算映射函數(shù)或距離度量來解決網(wǎng)絡分析中的許多問題,從而避免高復雜性的操作。目前已有的網(wǎng)絡表示學習方法大多只能針對網(wǎng)絡的某一種性質進行學習,比如同質性,學習該性質的方法通常在鏈接預測和網(wǎng)絡重構任務中表現(xiàn)較好。還有一些方法用來捕獲節(jié)點的同構性,一般在節(jié)點重要性分類任務中表現(xiàn)很好。本文提出了基于隨機游走的多粒度復雜網(wǎng)絡表示學習方法,能同時捕獲網(wǎng)絡中的同構性和同質性。本文主要內容如下:提出了一種基于博弈論的多粒度網(wǎng)絡表示學習方法。首先,根據(jù)全局結構特性對網(wǎng)絡進行多粒度劃分,在各粒層上計算層內相似性矩陣,在粒層間構建映射關系;然后結合傳播動力學的思想,將網(wǎng)絡中的節(jié)點作為博弈個體,通過構建收益矩陣實現(xiàn)動態(tài)隨機游走;最后,使用自然語言處理模型Skip-Gram對節(jié)點序列進行訓練,通過最大化節(jié)點共現(xiàn)的概率來調整參數(shù),以獲得具有語義信息的低維向... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

k核分解示例圖

重慶郵電大學碩士學位論文第3章基于博弈論的多粒度網(wǎng)絡表示學習192,(,1)(,)/||kkijWkkWijV(3.7)W(k,k1)1W(k,k1)(3.8)W(k,k1)代表第k層與第(k+1)層之間的映射關系，W(k,k1)代表第k層與第(k-1)層之間的映射關系，||kV表示第k層中的節(jié)點數(shù)。中間粒層的每個節(jié)點都增加了兩個連接，一個用于連接上一個粒層，另一個用于連接下一個粒層。值得注意的是，第一層僅添加了一個連接來與第二層連接，最后一層只增加了一個連接與倒數(shù)第二層相連。最后，重構的多粒度圖定義為",,mgmgGVEW，mgV表示重構的多粒度圖節(jié)點的集合，mgE表示邊的集合，W表示每個粒層的權重矩陣。3.2.3基于博弈論的隨機游走在上一節(jié)中，我們根據(jù)節(jié)點之間的相似性構造了多粒度加權圖。與以前的工作一樣，本章模型也使用了有偏隨機游走，游走概率由節(jié)點間的權重決定，該權重由結構相似性和鄰接矩陣確定。為了使相似的節(jié)點在游走過程中更緊密，本節(jié)引入了博弈論的思想，在游走過程中動態(tài)調整節(jié)點間的權重。本節(jié)采用的演化穩(wěn)定策略是基于公共品博弈，將多粒度圖中的節(jié)點視為博弈對象，將隨機游走過程作為博弈過程，節(jié)點在博弈過程中將采取合作或背叛策略。對于每個粒層，每個節(jié)點都與其它節(jié)點一起進行博弈。整個博弈過程可以分為||1kV次子博弈，那么收益矩陣可以定義如下：圖3.3收益矩陣策略C表示節(jié)點選擇合作策略，策略D表示節(jié)點選擇背叛策略。假設節(jié)點i和j都在第k層，(,),\kxWikkVj表示當節(jié)點選擇合作策略C時邊(i,j)的收益，節(jié)點j是隨機游走過程中節(jié)點i的后繼。yW(i,j)表示當節(jié)點i和j選擇合作時邊(i,j)本身的支出。kV表示第k個粒層中的節(jié)點集合，α和β是控制收益和支出比例的超參數(shù)。對于本章模型，多粒度圖中的節(jié)點參與了博弈，導致節(jié)點之間的權重

重慶郵電大學碩士學位論文第4章基于同構性和同質性的模糊分層網(wǎng)絡表達32是仍然存在缺陷，即其“遞歸修剪”過程過于嚴格。對于圖4.2所示，如果要獲得2核子網(wǎng)絡H(C,E|C)，則必須滿足條件():deg2HvvCree（見定義2.7）。圖4.3(a)展示了從1核到2核的第一次修剪，圖4.3(b)展示了最終的2核子網(wǎng)絡。在圖4.2所示的小網(wǎng)絡中，節(jié)點v的度為4，該節(jié)點是比較重要的。但是節(jié)點v在生成2核網(wǎng)絡的過程中將被刪除，因為不符合2核網(wǎng)絡的嚴格定義。為了更好地捕獲節(jié)點的重要性，需要通過采用模糊映射來更改k核分解的嚴格條件。圖4.2k核示例圖(a)第一次修剪(b)2核網(wǎng)絡圖4.3k核分解過程模糊集被用作定量表達固有多義性和不確定性信息的可靠手段，打破了由特征函數(shù)描述的集的邊界。任何元素都可以同時屬于多個模糊子集，并且其程度可以由區(qū)間[0,1]中的隸屬度值表示，這種表示方法更接近于人類的感知。為了解決由精確的k核分解引起的問題，本章提出了模糊k核分解。模糊系統(tǒng)的關鍵問題是隸屬度函數(shù)的使用。一般而言，模糊隸屬度函數(shù)分為線性和非線性。在FHNE模型中，模糊k核分解的特征只是節(jié)點度。模型希望隨著k值的增加，由節(jié)點度計算的隸屬度可以涵蓋更多的語義。可以看出，非線性隸屬函數(shù)的典型特征與此不符，可能導致隸屬度急劇上升或下降。因此，本章采用如圖4.4所示的梯形隸屬度函數(shù)，其對應的表達式如公式(4.1)所示：0()(),()()1()kdvkdvkvGAvkdvbbkbdv(4.1)

【參考文獻】：
期刊論文
[1]網(wǎng)絡表示學習綜述[J]. 涂存超,楊成,劉知遠,孫茂松.  中國科學:信息科學. 2017(08)
[2]基于演化博弈的社交網(wǎng)絡模型演化研究[J]. 劉群,易佳.  物理學報. 2013(23)
[3]基于在線社交網(wǎng)絡的信息傳播模型[J]. 張彥超,劉云,張海峰,程輝,熊菲.  物理學報. 2011(05)
[4]粒度計算在人工神經(jīng)網(wǎng)絡中的應用[J]. 李道國,苗奪謙,杜偉林.  同濟大學學報(自然科學版). 2006(07)
[5]A Granular Computing Model Based on Tolerance relation[J]. WANG Guo-yin, HU Feng, HUANG Hai, WU YuChongqing University of Posts and Telecommunications, Chongqing 400065, P.R. China.  The Journal of China Universities of Posts and Telecommunications. 2005(03)
[6]不完備信息系統(tǒng)的粒計算方法[J]. 胡峰,黃海,王國胤,吳渝.  小型微型計算機系統(tǒng). 2005(08)
[7]模糊商空間理論(模糊粒度計算方法)[J]. 張鈴,張鈸.  軟件學報. 2003(04)

博士論文
[1]人口演化的動態(tài)網(wǎng)絡傳染病模型研究[D]. 荊文君.山西大學 2019
[2]基于復雜網(wǎng)絡的合作演化動力學研究[D]. 高佳.西安電子科技大學 2012
[3]相容粒度空間模型及其應用研究[D]. 鄭征.中國科學院研究生院（計算技術研究所） 2006

碩士論文
[1]基于主題提取的網(wǎng)絡表示學習[D]. 袁佳麗.華中科技大學 2019



本文編號：3362141