事物之間總是有千絲萬縷的聯系,這些聯系就構成了不同的網絡。網絡在現實世界中極其普遍地存在,因此研究網絡的性質將提升人們對于網絡演化的理解,進而幫助人們更好地建�，F實世界,從而提升各種現實任務的性能。事物在現實中有不同的屬性,導致其在與其他事物的交互中有不同的功能,于是在網絡中有不同的角色。在同一網絡或不同網絡中執(zhí)行不同功能的節(jié)點往往具有不同的角色,而在同一網絡或不同網絡中執(zhí)行相似功能的節(jié)點往往具有相似的角色,這些角色往往可以從網絡的結構中反映出來。從網絡結構中學習節(jié)點的角色表示即為結構角色表示學習,也即本文關注的主要問題。學習節(jié)點角色的表示有助于我們理解網絡并將我們在某些網絡上得到的知識用于其他網絡,以促進我們對網絡信息的理解和利用。然而,大多數現有的結構角色表示學習方法或者時空復雜度很高,以致難以應用于大規(guī)模網絡,或者依賴于啟發(fā)式特征工程,難以泛化,得到的表示魯棒性差。因此本文提出RiWalk,這是一個用于學習節(jié)點結構表示的靈活框架。它將結構嵌入問題分解為重標識過程和網絡嵌入過程。通過重標識,可以在保持結構依賴性的同時構建以中心節(jié)點為根的圖核,使得結構相似的節(jié)點具有相似的上下文節(jié)點,... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：63 頁

【學位級別】：碩士

【部分圖文】：

結構洞節(jié)點識別的結果.如我們所見，由于有偏隨機游走引入的鄰域探索的靈活性，node2vec可以

附錄附錄B不同密度的Erdos-Renyi圖上RiWalk-SP和RiWalk-RWSP的運行時間對比.（線性比例）圖5.1不同密度的Erdos-Renyi圖上RiWalk-SP和RiWalk-RWSP的運行時間對比.（以線性比例）48


本文編號：3587954