在不同信息化對象構(gòu)成的復(fù)雜網(wǎng)絡(luò)中,各網(wǎng)絡(luò)對象的交互也呈現(xiàn)出多樣性,這樣由多類型的節(jié)點(diǎn)和關(guān)系構(gòu)成的復(fù)雜網(wǎng)絡(luò)稱為異質(zhì)網(wǎng)。在很多問題背景下,它能更加真實(shí),有效的反映現(xiàn)實(shí)世界豐富多樣的信息。而異質(zhì)網(wǎng)中因節(jié)點(diǎn)類型不同,對信息更新和擴(kuò)散產(chǎn)生的影響也各不相同,所以對異質(zhì)網(wǎng)節(jié)點(diǎn)分類進(jìn)行研究具有重要意義。現(xiàn)有的網(wǎng)絡(luò)節(jié)點(diǎn)分類研究主要是基于先驗(yàn)知識定義的元路徑進(jìn)行分類,每條元路徑是一個確定的節(jié)點(diǎn)序列;由于異質(zhì)網(wǎng)中網(wǎng)絡(luò)節(jié)點(diǎn)和鏈接的類型不同,這樣的差異在元路經(jīng)中往往無法體現(xiàn),使得現(xiàn)有節(jié)點(diǎn)分類方法在異質(zhì)網(wǎng)中并不適用。因此基于異質(zhì)網(wǎng)的異質(zhì)性,本文提出利用節(jié)點(diǎn)間的鏈接關(guān)系為特征的異質(zhì)網(wǎng)節(jié)點(diǎn)分類方法。首先利用網(wǎng)絡(luò)表征學(xué)習(xí)來獲取異質(zhì)網(wǎng)中節(jié)點(diǎn)關(guān)系的特征;然后基于得到的節(jié)點(diǎn)特征來訓(xùn)練和測試分類模型;最后實(shí)現(xiàn)異質(zhì)網(wǎng)節(jié)點(diǎn)分類；文本的主要工作包括以下四點(diǎn):（1）異質(zhì)網(wǎng)數(shù)據(jù)預(yù)處理。本文首先按照節(jié)點(diǎn)對的形式對數(shù)據(jù)節(jié)點(diǎn)進(jìn)行定制化處理；然后基于異質(zhì)網(wǎng)數(shù)據(jù)的特性采用隨機(jī)游走的方法來獲取節(jié)點(diǎn)數(shù)據(jù)。（2）節(jié)點(diǎn)的網(wǎng)絡(luò)表征學(xué)習(xí)。首先,在輸入層,基于獲取的節(jié)點(diǎn)數(shù)據(jù),通過預(yù)處理得到相應(yīng)的數(shù)據(jù):然后,在隱藏層,通過構(gòu)建神經(jīng)網(wǎng)絡(luò)對節(jié)點(diǎn)的關(guān)系特征進(jìn)行學(xué)習(xí)；最... 

【文章來源】：云南大學(xué)云南省 211工程院校

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１三種不同異質(zhì)網(wǎng)數(shù)據(jù)集網(wǎng)絡(luò)模式示意圖??

?Ｙｅｌｐ?Ｄｏｕｂａｎ?電影??圖２．１三種不同異質(zhì)網(wǎng)數(shù)據(jù)集網(wǎng)絡(luò)模式示意圖??２．２網(wǎng)絡(luò)表征學(xué)習(xí)相關(guān)知識??網(wǎng)絡(luò)表征學(xué)習(xí)：給定一個網(wǎng)絡(luò)Ｇ?＝?五），研究者把通過一個映射函數(shù)??／：〇，?Ｖ，Ｖ／ｅＭ將網(wǎng)絡(luò)轉(zhuǎn)換得到的一個ｃ／？｜ａ｜的向量的方法稱為網(wǎng)絡(luò)表??征學(xué)習(xí)。??網(wǎng)絡(luò)表征學(xué)習(xí)的目的是在于學(xué)習(xí)一個網(wǎng)絡(luò)頂點(diǎn)的低維表示，從而得到一個近??似的低維空間來保存原始網(wǎng)絡(luò)空間＿，如圖２．２所示。近年來，有大量關(guān)于網(wǎng)絡(luò)表??示的研宄，本文將網(wǎng)絡(luò)表示的相關(guān)算法按以下三個方面分類：（１）基于矩陣分解；??（２）基于隨機(jī)游走；（３）基于深度學(xué)習(xí)。??，霉、十：??、、一一－一??Ｉ?：丨７？??、、、、ｙ??圖２．２網(wǎng)絡(luò)表征學(xué)習(xí)示意圖??８??

構(gòu)造相應(yīng)的神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)網(wǎng)絡(luò)的網(wǎng)絡(luò)表征學(xué)習(xí)，將高維稀疏的網(wǎng)絡(luò)通過低維的向??量空間表示。??ＳＤＮＥＰ１是一種基于深度學(xué)習(xí)的網(wǎng)絡(luò)表征學(xué)習(xí)方法，如圖２．３所示，通過深??度自編碼來獲取網(wǎng)絡(luò)中鄰接關(guān)系的一階相似性和二階相似性，然后聯(lián)合優(yōu)化兩者??的相似性，實(shí)現(xiàn)高度非線性網(wǎng)絡(luò)結(jié)構(gòu)保留的網(wǎng)絡(luò)表征學(xué)習(xí)方法。一介相似性主要保??存局部網(wǎng)絡(luò)結(jié)構(gòu)，通過表示學(xué)習(xí)得到的節(jié)點(diǎn)通過自編碼其鄰居節(jié)點(diǎn)可以被重構(gòu)出??來，二階相似性主要保存全局的網(wǎng)絡(luò)結(jié)構(gòu)。??Ｉ?Ｉ?Ｉ?１??Ｉ?ＩＩ?Ｉ??Ｉ?ＩＩ?Ｉ??Ｉ?ＩＩ?Ｉ??…＿參〕：／?＿＿＼｜?ｆ魯參�！耍ⅲ�?｜??ｉ?Ｖ；共享系數(shù)）、?ｔ；?！??＾?會?１?｜?ｉ?＾■會?１?｜??搫魯＃…爨＃?！?！?｜魯鬱＿…鬱＃?Ｉ??Ｉ＾ｊ?｜?！?＾＾＾??＼??！—?；—１??］??！?Ｌｉ拉普拉斯特征ｌ?Ｉ?ｒ贏贏１贏．＇??＃?％?ｍ?映射＂１—?＾?．：??二」——?Ｌ｜?Ｉ?ｔ．?ｉ??

【參考文獻(xiàn)】：
期刊論文
[1]用SAX解析XML文檔的實(shí)現(xiàn)方法[J]. 王芳,李正凡.  華東交通大學(xué)學(xué)報(bào). 2004(01)



本文編號：3126797