鏈接預(yù)測是根據(jù)網(wǎng)絡(luò)中已知的結(jié)構(gòu),對其中缺失的鏈接進行預(yù)測。鏈接預(yù)測作為網(wǎng)絡(luò)數(shù)據(jù)分析的重要研究內(nèi)容,在探究網(wǎng)絡(luò)演化規(guī)律、數(shù)據(jù)補齊等方面有重要的研究意義,在推薦系統(tǒng)、生物信息和科研合作等領(lǐng)域也有重要的應(yīng)用價值。從監(jiān)督學(xué)習(xí)的角度,鏈接預(yù)測可看做二分類問題。其中,以節(jié)點對為樣本,存在鏈接的節(jié)點對為正例,不存在鏈接的節(jié)點對為負(fù)例,通過構(gòu)造鏈接預(yù)測分類器解決鏈接預(yù)測問題。由于網(wǎng)絡(luò)的大規(guī)模性和不確定性,其中大量觀察不到鏈接的節(jié)點對更應(yīng)該看做無標(biāo)記樣本,因此,如何從大量無標(biāo)記樣本中選擇可靠負(fù)例成為構(gòu)造鏈接預(yù)測分類器的難點。同時,傳統(tǒng)的分類模型均建立在樣本與總體是獨立同分布的假設(shè)之上,而網(wǎng)絡(luò)中的樣本并不滿足這一假設(shè)。本文研究內(nèi)容將網(wǎng)絡(luò)中可觀察到鏈接的節(jié)點對作為正例,觀察不到鏈接的節(jié)點對作為無標(biāo)記樣本,研究僅有正例和無標(biāo)記樣本的鏈接預(yù)測問題(基于正例和無標(biāo)記樣本的學(xué)習(xí)簡稱為PU學(xué)習(xí))。本文旨在解決基于正例和無標(biāo)記樣本的鏈接預(yù)測中缺乏負(fù)例、網(wǎng)絡(luò)中的樣本與總體不滿足獨立同分布假設(shè)的問題。主要研究成果如下:首先,本文提出了基于PU學(xué)習(xí)的鏈接預(yù)測方法。該方法利用網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)信息和集成方法,主要解決如何從大量無標(biāo)...

【文章頁數(shù)】：55 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 基于相似性的鏈接預(yù)測方法
        1.2.2 基于學(xué)習(xí)的鏈接預(yù)測方法
    1.3 論文研究內(nèi)容與組織結(jié)構(gòu)
第二章 相關(guān)介紹
    2.1 復(fù)雜網(wǎng)絡(luò)相關(guān)概念
    2.2 鏈接預(yù)測問題
    2.3 PU學(xué)習(xí)及相關(guān)工作
        2.3.1 兩階段策略
        2.3.2 偏置方法
        2.3.3 基于正例的方法
    2.4 數(shù)據(jù)集劃分
    2.5 評價指標(biāo)
    2.6 本章小結(jié)
第三章 基于PU學(xué)習(xí)的鏈接預(yù)測方法
    3.1 研究動機
    3.2 基于PU學(xué)習(xí)的鏈接預(yù)測方法
        3.2.1 構(gòu)造樣本集
        3.2.2 選擇可靠負(fù)例
        3.2.3 算法描述
    3.3 實驗分析
        3.3.1 實驗數(shù)據(jù)
        3.3.2 實驗設(shè)置
        3.3.3 實驗結(jié)果和分析
    3.4 本章小結(jié)
第四章 基于PU學(xué)習(xí)和隨機游走的鏈接預(yù)測方法
    4.1 研究動機
    4.2 基于PU學(xué)習(xí)和隨機游走的鏈接預(yù)測方法
        4.2.1 構(gòu)造轉(zhuǎn)移概率矩陣
        4.2.2 計算節(jié)點間游走概率
        4.2.3 計算節(jié)點間的相似性
        4.2.4 算法描述
    4.3 實驗分析
        4.3.1 實驗設(shè)置
        4.3.2 實驗結(jié)果和分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
研究成果
致謝
個人簡況及聯(lián)系方式



本文編號：3804167