自1998年Watts和Strogtz提出了小世界網(wǎng)絡(luò)模型,1999年Barabási和Albert提出了無標(biāo)度網(wǎng)絡(luò)模型以來,復(fù)雜網(wǎng)絡(luò)科學(xué)呈現(xiàn)爆炸式發(fā)展,研究者們?yōu)楝F(xiàn)實中各復(fù)雜系統(tǒng)建立了復(fù)雜網(wǎng)絡(luò)模型,如交通網(wǎng)絡(luò)、生態(tài)網(wǎng)絡(luò)和社交關(guān)系網(wǎng)絡(luò)等。為了更有效的解決現(xiàn)實問題,如交通堵塞和生態(tài)系統(tǒng)保護(hù)等問題,學(xué)者們進(jìn)而開始研究各種復(fù)雜網(wǎng)絡(luò)系統(tǒng)的行為和特性,比如復(fù)雜網(wǎng)絡(luò)的演化機制、連通性和抗毀性等,并發(fā)現(xiàn)這些行為和特性離不開復(fù)雜系統(tǒng)中個體本身的行為,更離不開個體與個體之間的關(guān)聯(lián)關(guān)系。而鏈路預(yù)測為挖掘個體與個體之間的關(guān)聯(lián)關(guān)系提供了有效的預(yù)測機制,研究者為了更高效地挖掘復(fù)雜網(wǎng)絡(luò)的行為和特征,提出了很多不同類型的鏈路預(yù)測算法。通過對比這些鏈路預(yù)測算法,發(fā)現(xiàn)它們很少考慮節(jié)點間的高階相似性關(guān)系,并且基于節(jié)點低階相似性關(guān)系的鏈路預(yù)測算法預(yù)測性能表現(xiàn)較差。基于此,本文研究了三種基于節(jié)點高階特征的鏈路預(yù)測算法,均在不同的方面對鏈路預(yù)測性能有所提升。（1）提出了一種基于高階近似的鏈路預(yù)測算法。該方法將高階網(wǎng)絡(luò)表示學(xué)習(xí)算法與鏈路預(yù)測相結(jié)合,考慮了節(jié)點與節(jié)點之間的高階相似性關(guān)系。同時經(jīng)過在四個真實的數(shù)據(jù)集上的實驗仿真,結(jié)果... 

【文章來源】：青海師范大學(xué)青海省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 網(wǎng)絡(luò)表示學(xué)習(xí)研究現(xiàn)狀
        1.2.2 復(fù)雜網(wǎng)絡(luò)引力場研究現(xiàn)狀
        1.2.3 鏈路預(yù)測研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 本文組織結(jié)構(gòu)
第二章 鏈路預(yù)測基礎(chǔ)知識
    2.1 復(fù)雜網(wǎng)絡(luò)基礎(chǔ)知識
        2.1.1 復(fù)雜網(wǎng)絡(luò)的圖表示
        2.1.2 復(fù)雜網(wǎng)絡(luò)度量指標(biāo)
    2.2 鏈路預(yù)測問題描述
    2.3 數(shù)據(jù)集劃分
        2.3.1 隨機抽樣
        2.3.2 逐項遍歷
        2.3.3 k折疊交叉檢驗
        2.3.4 熟識者抽樣
    2.4 AUC評價指標(biāo)
    2.5 本章小結(jié)
第三章 基于高階近似的鏈路預(yù)測算法
    3.1 引言
    3.2 基于高階近似的鏈路預(yù)測算法
        3.2.1 高階網(wǎng)絡(luò)表示學(xué)習(xí)NEU算法
        3.2.2 基于高階近似的鏈路預(yù)測
    3.3 實驗結(jié)果與分析
        3.3.1 實驗數(shù)據(jù)
        3.3.2 基準(zhǔn)方法
        3.3.3 實驗設(shè)置
        3.3.4 實驗結(jié)果
        3.3.5 時間復(fù)雜度對比
        3.3.6 度分布可視化
    3.4 本章小結(jié)
第四章 基于復(fù)雜網(wǎng)絡(luò)引力場的鏈路預(yù)測算法
    4.1 引言
    4.2 基于復(fù)雜網(wǎng)絡(luò)引力場的鏈路預(yù)測算法
        4.2.1 復(fù)雜網(wǎng)絡(luò)引力場模型
        4.2.2 基于復(fù)雜網(wǎng)絡(luò)引力場的鏈路預(yù)測
    4.3 實驗結(jié)果與分析
        4.3.1 實驗數(shù)據(jù)
        4.3.2 基準(zhǔn)方法
        4.3.3 實驗設(shè)置
        4.3.4 實驗結(jié)果與分析
        4.3.5 度分布可視化
    4.4 本章小結(jié)
第五章 基于復(fù)雜網(wǎng)絡(luò)引力場與節(jié)點收縮的鏈路預(yù)測算法
    5.1 引言
    5.2 基于復(fù)雜網(wǎng)絡(luò)引力場與節(jié)點收縮的鏈路預(yù)測算法
        5.2.1 基于節(jié)點收縮的節(jié)點重要性評估方法
        5.2.2 改進(jìn)的復(fù)雜網(wǎng)絡(luò)引力場模型
        5.2.3 基于復(fù)雜網(wǎng)絡(luò)引力場和節(jié)點收縮的鏈路預(yù)測
    5.3 實驗結(jié)果與分析
        5.3.1 實驗數(shù)據(jù)
        5.3.2 基準(zhǔn)方法
        5.3.3 實驗設(shè)置
        5.3.4 實驗結(jié)果
        5.3.5 度分布可視化
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 進(jìn)一步研究的問題
參考文獻(xiàn)
致謝
附錄一 個人簡介
附錄二 作者攻讀碩士學(xué)位期間參加的科研項目
附錄三 作者攻讀碩士學(xué)位期間完成和發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]基于優(yōu)先連接和用戶屬性的鏈路預(yù)測算法研究[J]. 初曉宇,高守瑋.  計算機技術(shù)與發(fā)展. 2019(11)
[2]基于轉(zhuǎn)移自洽和偏好連接的鏈路預(yù)測算法研究[J]. 陸圣宇,史軍,劉寶,姚金魁,金毅.  計算機技術(shù)與發(fā)展. 2019(08)
[3]基于網(wǎng)絡(luò)節(jié)點文本增強的鏈路預(yù)測算法[J]. 曹蓉,趙海興,冶忠林.  計算機應(yīng)用與軟件. 2019(03)
[4]基于密集連接卷積神經(jīng)網(wǎng)絡(luò)的鏈路預(yù)測模型[J]. 王文濤,吳淋濤,黃燁,朱容波.  計算機應(yīng)用. 2019(06)
[5]基于網(wǎng)絡(luò)表示學(xué)習(xí)的鏈路預(yù)測算法[J]. 楊曉翠,宋甲秀,張曦煌.  計算機科學(xué)與探索. 2019(05)
[6]網(wǎng)絡(luò)表示學(xué)習(xí)綜述[J]. 涂存超,楊成,劉知遠(yuǎn),孫茂松.  中國科學(xué):信息科學(xué). 2017(08)
[7]結(jié)合鏈路預(yù)測和ET機器學(xué)習(xí)的科研合作推薦方法研究[J]. 呂偉民,王小梅,韓濤.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2017(04)
[8]基于AdaBoost的鏈路預(yù)測優(yōu)化算法[J]. 吳祖峰,梁棋,劉嶠,秦志光.  通信學(xué)報. 2014(03)
[9]改進(jìn)的隨機游走模型節(jié)點排序方法[J]. 何建軍,李仁發(fā).  計算機工程與應(yīng)用. 2011(12)
[10]復(fù)雜網(wǎng)絡(luò)理論在城市交通網(wǎng)絡(luò)分析中的應(yīng)用[J]. 趙月,杜文,陳爽.  城市交通. 2009(01)

碩士論文
[1]基于機器學(xué)習(xí)與鏈路預(yù)測的醫(yī)療問答檢測與推薦系統(tǒng)[D]. 邢新國.電子科技大學(xué) 2019
[2]基于類引力的多標(biāo)簽分類方法研究[D]. 王博巖.合肥工業(yè)大學(xué) 2017
[3]復(fù)雜網(wǎng)絡(luò)引力場建模技術(shù)及其應(yīng)用[D]. 段玉冰.中國科學(xué)技術(shù)大學(xué) 2015
[4]社會網(wǎng)絡(luò)中的鏈路預(yù)測及網(wǎng)絡(luò)重構(gòu)[D]. 司帥宗.東北大學(xué) 2014



本文編號：3413995