在機器學(xué)習(xí)領(lǐng)域中,很多數(shù)據(jù)無法直接在歐氏空間中表示,例如社交網(wǎng)絡(luò)、生物網(wǎng)絡(luò),它們往往由點和邊組成,形成拓?fù)鋱D。基于拓?fù)鋱D,很多圖模型算法應(yīng)運而生,在今天的機器學(xué)習(xí)舞臺上發(fā)揮著不可忽視的作用,應(yīng)用也愈加廣泛。其中,鏈接預(yù)測與圖匹配是圖模型中較為重要的兩個典型應(yīng)用。前者根據(jù)已有信息預(yù)測在未連接的邊中找到潛在的或未來可能連接的邊;后者給定兩個相似網(wǎng)絡(luò),求得網(wǎng)絡(luò)中具有相同成分的結(jié)點。對這兩個任務(wù),前人都有非常不錯的研究,但是很少有人認(rèn)為這兩者是有關(guān)聯(lián)的。本文將從Skip-gram的原理出發(fā),得到對齊網(wǎng)絡(luò)中每個結(jié)點的嵌入表示,并解釋鏈接預(yù)測與圖匹配的關(guān)系。本文基于圖嵌入分別提出了相應(yīng)的鏈接預(yù)測與圖匹配算法。通過理論解釋與實驗結(jié)果,可以發(fā)現(xiàn)鏈接預(yù)測和圖匹配確實能夠相互促進,并且分別取得顯著效果。 

【文章來源】：華東師范大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 論文工作內(nèi)容
    1.3 論文章節(jié)安排
第二章 相關(guān)技術(shù)
    2.1 圖
    2.2 嵌入
        2.2.1 文本嵌入及其應(yīng)用
        2.2.2 結(jié)點嵌入及其應(yīng)用
    2.3 鏈接預(yù)測
        2.3.1 傳統(tǒng)鏈接預(yù)測算法
        2.3.2 基于結(jié)點嵌入的鏈接預(yù)測
        2.3.3 基于對齊網(wǎng)絡(luò)的鏈接預(yù)測
    2.4 圖匹配
        2.4.1 監(jiān)督圖匹配算法
        2.4.2 非監(jiān)督圖匹配算法
    2.5 本章小結(jié)
第三章 基于跨網(wǎng)絡(luò)結(jié)點嵌入的鏈接預(yù)測與網(wǎng)絡(luò)匹配
    3.1 跨網(wǎng)絡(luò)Skip-gram嵌入算法
    3.2 經(jīng)驗分布設(shè)置
    3.3 基于跨網(wǎng)絡(luò)結(jié)點嵌入的算法
        3.3.1 圖匹配算法
        3.3.2 鏈接預(yù)測算法
    3.4 圖匹配與鏈接預(yù)測的聯(lián)合提升方法
    3.5 算法優(yōu)化過程
    3.6 一些改進方法
    3.7 與現(xiàn)有技術(shù)的相關(guān)性
        3.7.1 DeepWalk
        3.7.2 Struc2vec
        3.7.3 LINE-2nd
        3.7.4 CLF
        3.7.5 Skip-gram上的CLF
    3.8 本章小結(jié)
第四章 實驗結(jié)果及分析
    4.1 實驗設(shè)置
        4.1.1 數(shù)據(jù)集介紹
        4.1.2 對比實驗算法介紹
        4.1.3 評價指標(biāo)
        4.1.4 實驗環(huán)境
    4.2 結(jié)點嵌入
        4.2.1 例子介紹
        4.2.2 對比試驗參數(shù)設(shè)置
        4.2.3 實驗結(jié)果及分析
    4.3 非監(jiān)督圖匹配
        4.3.1 對比試驗參數(shù)設(shè)置
        4.3.2 實驗結(jié)果及分析
    4.4 監(jiān)督圖匹配
        4.4.1 對比試驗參數(shù)設(shè)置
        4.4.2 實驗結(jié)果及分析
    4.5 鏈接預(yù)測
        4.5.1 對比試驗參數(shù)設(shè)置
        4.5.2 實驗結(jié)果及分析
    4.6 消融學(xué)習(xí)
    4.7 參數(shù)敏感性分析
    4.8 算法時間復(fù)雜度
    4.9 本章小結(jié)
第五章 金融領(lǐng)域的圖譜應(yīng)用
    5.1 背景介紹
    5.2 數(shù)據(jù)介紹
    5.3 產(chǎn)業(yè)鏈實體消歧和關(guān)系發(fā)現(xiàn)
    5.4 本章小結(jié)
第六章 總結(jié)和展望
    6.1 本文工作總結(jié)
    6.2 研究展望
參考文獻
致謝
攻讀碩士學(xué)位期間發(fā)表論文和科研情況


【參考文獻】：
期刊論文
[1]基于Skip-gram詞嵌入算法的結(jié)構(gòu)化患者特征表示方法研究[J]. 黃艷群,王妮,劉紅蕾,費曉璐,巍嵐,陳卉.  北京生物醫(yī)學(xué)工程. 2019(06)
[2]譜-空圖嵌入的高光譜圖像多核分類算法[J]. 郭志民,孫玉寶,耿俊成,周強.  小型微型計算機系統(tǒng). 2018(11)
[3]基于DeepWalk的社團檢測方法[J]. 彭欣宇.  電腦知識與技術(shù). 2018(04)
[4]基于內(nèi)容和興趣漂移模型的電影推薦算法研究[J]. 呂學(xué)強,王騰,李雪偉,董志安.  計算機應(yīng)用研究. 2018(03)
[5]基于圖嵌入概率半監(jiān)督判別分析的故障辨識[J]. 李鋒,湯寶平,王家序,林建輝.  機械工程學(xué)報. 2017(09)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的微博情感傾向性分析[J]. 劉龍飛,楊亮,張紹武,林鴻飛.  中文信息學(xué)報. 2015(06)
[7]一種有效的社會網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)模型和算法[J]. 林友芳,王天宇,唐銳,周元煒,黃厚寬.  計算機研究與發(fā)展. 2012(02)



本文編號：3132259