異質(zhì)信息網(wǎng)絡(luò)普遍存在于現(xiàn)實(shí)生活中的許多情景中,如社交網(wǎng)絡(luò)、學(xué)術(shù)引用網(wǎng)絡(luò)、電影評(píng)論網(wǎng)絡(luò)等。從這些網(wǎng)絡(luò)中挖掘出有價(jià)值的信息是十分重要然而面臨許多挑戰(zhàn)的,主要的挑戰(zhàn)是如何構(gòu)建合適的信息網(wǎng)絡(luò)節(jié)點(diǎn)表征。傳統(tǒng)的信息網(wǎng)絡(luò)節(jié)點(diǎn)表征方法是將網(wǎng)絡(luò)看成由節(jié)點(diǎn)和邊組成的圖模型,并人為地抽取圖中節(jié)點(diǎn)的特征作為節(jié)點(diǎn)的表征。但是這種方法十分依賴于專家的先驗(yàn)知識(shí)以及耗費(fèi)大量的時(shí)間。因此,近年來(lái)為了解決以上問題,許多信息網(wǎng)絡(luò)節(jié)點(diǎn)表征學(xué)習(xí)算法被提出來(lái),旨在自動(dòng)地學(xué)習(xí)網(wǎng)絡(luò)中節(jié)點(diǎn)的表征。代表性的方法有基于圖神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)節(jié)點(diǎn)表征學(xué)習(xí)算法。其通過聚合目標(biāo)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)特征信息來(lái)獲得目標(biāo)節(jié)點(diǎn)的低維向量表征,但是目前的這類算法存在以下問題:一是其只關(guān)注了同質(zhì)信息網(wǎng)絡(luò),即網(wǎng)絡(luò)只包含了一種類型的節(jié)點(diǎn)和邊,沒有考慮到包含不同類型節(jié)點(diǎn)或邊的異質(zhì)信息網(wǎng)絡(luò);二是手工設(shè)計(jì)不同類型鄰居節(jié)點(diǎn)的聚合策略是十分依賴專家的先驗(yàn)知識(shí)且不具有普適性的。為了解決以上問題,本文提出MetaGNN模型,一種基于已有的Deep Q-Network模型的圖神經(jīng)網(wǎng)絡(luò)模型,該模型包含了兩層結(jié)構(gòu),即Deep Q-network層和圖神經(jīng)網(wǎng)絡(luò)層。其中Deep Q-Networ...

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作
    1.4 本文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第2章 背景知識(shí)與相關(guān)工作
    2.1 基礎(chǔ)定義
    2.2 相關(guān)工作
        2.2.1 經(jīng)典維度下降算法
        2.2.2 非基于圖神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)節(jié)點(diǎn)表征學(xué)習(xí)算法
        2.2.3 基于圖神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)節(jié)點(diǎn)表征學(xué)習(xí)算法
    2.3 模型背景知識(shí)
        2.3.1 圖神經(jīng)網(wǎng)絡(luò)模型
        2.3.2 Deep Q-Network
    2.4 本章小結(jié)
第3章 基于深度強(qiáng)化學(xué)習(xí)的圖神經(jīng)網(wǎng)絡(luò)(MetaGNN)
    3.1 算法框架
    3.2 Deep Q-Network層
        3.2.1 狀態(tài)空間
        3.2.2 動(dòng)作空間
        3.2.3 獎(jiǎng)勵(lì)函數(shù)
        3.2.4 損失函數(shù)
    3.3 圖神經(jīng)網(wǎng)絡(luò)層
        3.3.1 聚集函數(shù)
        3.3.2 損失函數(shù)
    3.4 本章小結(jié)
第4章 實(shí)驗(yàn)驗(yàn)證
    4.1 實(shí)驗(yàn)設(shè)置
        4.1.1 數(shù)據(jù)集
        4.1.2 對(duì)比算法
        4.1.3 評(píng)價(jià)指標(biāo)
        4.1.4 元路徑
    4.2 實(shí)驗(yàn)內(nèi)容
        4.2.1 直推式節(jié)點(diǎn)多分類任務(wù)
        4.2.2 歸納式節(jié)點(diǎn)多分類任務(wù)
        4.2.3 參數(shù)敏感性分析
    4.3 實(shí)驗(yàn)結(jié)果與討論
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝



本文編號(hào)：3921812