【摘要】：復(fù)雜網(wǎng)絡(luò)作為描述關(guān)聯(lián)性數(shù)據(jù)的模型在近些年被廣泛的使用。在復(fù)雜網(wǎng)絡(luò)的研究領(lǐng)域中,鏈路預(yù)測本質(zhì)上是挖掘網(wǎng)絡(luò)產(chǎn)生連邊的驅(qū)動(dòng)力,是研究具有網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)演化和分析結(jié)構(gòu)化數(shù)據(jù)特性不可或缺的重要工具。同時(shí),鏈路預(yù)測在很多方面具有廣泛的應(yīng)用,比如指導(dǎo)系統(tǒng)生物學(xué)實(shí)驗(yàn),和社交網(wǎng)絡(luò)的推薦等問題中。然而,隨著網(wǎng)路數(shù)據(jù)規(guī)模的急劇增加,網(wǎng)絡(luò)數(shù)據(jù)平均質(zhì)量明顯下降和網(wǎng)絡(luò)本身復(fù)雜的拓?fù)浣Y(jié)構(gòu),都導(dǎo)致了鏈路預(yù)測研究存在著很多問題有待解決。比如如何在噪聲存在的情況下,更好的對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的相關(guān)關(guān)系進(jìn)行表示學(xué)習(xí),或者如何在稀疏的高維的復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)中,更多地、更準(zhǔn)確地捕獲網(wǎng)絡(luò)結(jié)構(gòu)的特性,以得到更加準(zhǔn)確的預(yù)測結(jié)果。針對(duì)上述問題,本文首先利用網(wǎng)絡(luò)中組演化的相關(guān)理論設(shè)計(jì)了魯棒性較強(qiáng)的鏈路預(yù)測算法;其次基于網(wǎng)絡(luò)具有的模塊特性,對(duì)網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)的相互關(guān)系進(jìn)行分類的、判別的描述,利用節(jié)點(diǎn)的關(guān)系表征設(shè)計(jì)了較適用于具有模塊結(jié)構(gòu)的鏈路預(yù)測算法;接著,為了使提出的鏈路預(yù)測算法能夠適用于更多類型的網(wǎng)絡(luò),我們結(jié)合復(fù)雜網(wǎng)絡(luò)的全局結(jié)構(gòu)特征和局部結(jié)構(gòu)特征,來得到更加準(zhǔn)確的預(yù)測結(jié)果;最后,通過深度學(xué)習(xí)下的復(fù)雜網(wǎng)絡(luò)高級(jí)特征來描述結(jié)構(gòu)的相似性,聯(lián)合復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)的自表示特性,提出一種魯棒性較強(qiáng)且精度較高的鏈路預(yù)測方法。本文主要貢獻(xiàn)如下:1)提出了一種基于組演化的鏈路預(yù)測算法。通過量化組演化過程中網(wǎng)絡(luò)節(jié)點(diǎn)的穩(wěn)定性和活動(dòng)性,刻畫網(wǎng)絡(luò)類內(nèi)和類間的關(guān)系并結(jié)合這兩種關(guān)系的鏈路預(yù)測算法。實(shí)驗(yàn)表明,在真實(shí)網(wǎng)絡(luò)中,該算法取得了更好的預(yù)測結(jié)果。特別是,由于該算法更加適用于稀疏網(wǎng)絡(luò),在預(yù)測蛋白質(zhì)網(wǎng)絡(luò)中原子的直接相互作用關(guān)系上,取得更加準(zhǔn)確的預(yù)測結(jié)果。并且,由于該模型對(duì)噪聲具有較強(qiáng)的魯棒性,當(dāng)真實(shí)網(wǎng)絡(luò)中的噪聲比例高達(dá)50%時(shí),該算法取得穩(wěn)定的預(yù)測結(jié)果。2)提出了一種復(fù)雜網(wǎng)絡(luò)低秩表示和稀疏表征相結(jié)合的鏈路預(yù)測模型。該模型集合了低秩表示和稀疏表示的優(yōu)點(diǎn),利用低秩表示近似表征網(wǎng)絡(luò)中節(jié)點(diǎn)的類內(nèi)相似信息,同時(shí)通過稀疏表示表征節(jié)點(diǎn)類間的關(guān)聯(lián)信息,兩者的結(jié)合得到了一種能夠很好地刻畫網(wǎng)絡(luò)連接關(guān)系的模型。實(shí)驗(yàn)表明,模型使用子空間聚類的思想擬合觀測矩陣的結(jié)構(gòu)特性是可行的。3)提出了一種基于網(wǎng)絡(luò)模塊化結(jié)構(gòu)的鏈路預(yù)測算法。在第三章的基礎(chǔ)上,該模型通過描述復(fù)雜網(wǎng)絡(luò)類內(nèi)和類間鏈路的特點(diǎn)和相互作用的關(guān)系,在利用低秩約束類內(nèi)節(jié)點(diǎn)的相關(guān)性的同時(shí),通過類內(nèi)類間節(jié)點(diǎn)關(guān)系的制約性,判別性的學(xué)習(xí)能夠表示類間節(jié)點(diǎn)之間的表達(dá)系數(shù)。通過準(zhǔn)確的描述這兩種關(guān)系,具有模塊結(jié)構(gòu)的網(wǎng)絡(luò)包含的連接關(guān)系可以更好的被刻畫。實(shí)驗(yàn)表明,結(jié)合類內(nèi)類間節(jié)點(diǎn)之間的制約關(guān)系來刻畫節(jié)點(diǎn)之間的表示關(guān)系是可行的,特別地,通過在合成數(shù)據(jù)和真實(shí)數(shù)據(jù)上的實(shí)驗(yàn),這種模型具有穩(wěn)定的魯棒性和較強(qiáng)的競爭力,在具有模塊結(jié)構(gòu)的網(wǎng)絡(luò)中該算法能取得更加準(zhǔn)確的預(yù)測效果。4)提出了一種結(jié)合復(fù)雜網(wǎng)絡(luò)全局結(jié)構(gòu)特性和局部結(jié)構(gòu)特性的網(wǎng)絡(luò)結(jié)構(gòu)表征模型。由于復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的稀疏性和節(jié)點(diǎn)的可聚類性,通常通過低秩表示來重構(gòu)網(wǎng)絡(luò)的全局信息,同時(shí)由節(jié)點(diǎn)相似度矩陣的圖正則來表征網(wǎng)絡(luò)的局部特性。聯(lián)合的表征復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的局部信息和全局信息可以更加全面地重構(gòu)觀測網(wǎng)絡(luò)。充分的實(shí)驗(yàn)結(jié)果說明,提出的模型絕大多數(shù)的網(wǎng)絡(luò)上都具有較強(qiáng)的競爭力。5)提出了一種基于深度自編碼模型下復(fù)雜網(wǎng)絡(luò)深度信息的結(jié)構(gòu)相似性與網(wǎng)絡(luò)自表示聯(lián)合學(xué)習(xí)的鏈路預(yù)測算法。該模型通過迭代的學(xué)習(xí)復(fù)雜網(wǎng)絡(luò)的自表示系數(shù)并修正深度信息下的結(jié)構(gòu)相似性,以逼近實(shí)際的復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu),來獲得更好的鏈路預(yù)測效果。特別地,由于該算法能夠很好的挖掘網(wǎng)絡(luò)的高級(jí)特征,對(duì)于我們研究中較難的數(shù)據(jù)也具有較準(zhǔn)確的預(yù)測效果。充分的實(shí)驗(yàn)結(jié)果證實(shí)了改算法的可靠性,同時(shí),大量的對(duì)比實(shí)驗(yàn)說明了聯(lián)合的網(wǎng)絡(luò)結(jié)構(gòu)表征不僅解決了傳統(tǒng)算法中單一結(jié)構(gòu)特性識(shí)別的局限性,同樣解決了稀疏網(wǎng)絡(luò)中的數(shù)據(jù)不平衡性對(duì)深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練效果的影響。綜上所述,本文主要考慮在已知無向的復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)的條件下,如何表征網(wǎng)絡(luò)的模塊結(jié)構(gòu)特性,如何結(jié)合地表征的網(wǎng)絡(luò)類內(nèi)和類間信息來描述節(jié)點(diǎn)之間的關(guān)系,如何更加全面的結(jié)合網(wǎng)絡(luò)局部的和全局的結(jié)構(gòu)特性來逼近真實(shí)的網(wǎng)絡(luò)結(jié)構(gòu),如何聯(lián)合深度學(xué)習(xí)下的網(wǎng)絡(luò)表示學(xué)習(xí)和傳統(tǒng)的機(jī)器學(xué)習(xí)方法提取更有利于進(jìn)行鏈路預(yù)測的網(wǎng)絡(luò)結(jié)構(gòu)的判別性特征在內(nèi)的四個(gè)相關(guān)工作。同時(shí),通過大量的實(shí)驗(yàn)分析并驗(yàn)證了本文提出的所有方法的可行性以及相對(duì)應(yīng)的現(xiàn)有方法所具備的優(yōu)勢。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類號(hào)】：O157.5;TP181


本文編號(hào)：2772865