基于网络表示学习的节点属性推断研究

发布时间：2020-05-19 17:12

【摘要】：在线社交网络和电子商务的快速发展吸引着越来越多的人参与其中,获取丰富的用户属性有利于运营商更好地定位目标用户和设计个性化的推荐系统,属性推断就是一种用来预测节点的未知属性和潜在特质的技术手段。目前属性推断提取的特征往往存在维度高且稀疏的问题,同时单属性推断模型忽略了属性之间内在的相关性,导致属性推断存在准确率不高、效率低等问题。本文主要研究基于网络表示学习的节点属性推断算法,在不同的应用场景下设计合适的网络表示学习算法来自动地学习节点的低维特征表示,以此来解决属性推断中传统特征提取存在的问题;同时考虑不同属性之间的相关性,探索合适的预测模型实现同时推断多个节点属性。本文的主要研究内容如下:(1)提出了一种基于社交嵌入的结构化属性推断算法。将在线社交网络用户的好友关系嵌入到一个低维向量空间中,同时提出将多个用户属性编码成一个结构化属性向量,最后设计一个多层神经网络模型用于捕捉用户社交嵌入与结构化属性向量之间复杂的非线性映射关系,以此来提高属性推断准确率。(2)提出了一种基于用户节点嵌入的多属性推断算法。基于购买记录提出一种新的用户节点嵌入算法,通过构建有向权重二部图和有偏置的随机游走获取上下文语料库,最后利用Word2Vec训练获取每个节点的向量表示,这种嵌入算法学得的节点表示与传统降维方法相比包含更多的特征信息。同时提出一种多属性推断模型,将用户节点嵌入算法学得的向量表示作为输入,联合优化多个属性推断任务损失,利用多个任务之间的相关性,实现相互促进的目的。总体来说,本文主要研究利用网络表示学习算法获取节点的低维特征表示,同时考虑多个属性的内在相关性,探索新的模型实现多属性同时推断。通过在真实的社交网络和购买场景数据集上进行大量对比实验,验证了本文的用户节点嵌入算法学得的特征表示包含更丰富的属性信息,同时提出的结构化属性推断方法和多属性推断模型实现了属性推断效率和准确率的提升。
【图文】：

(c) 宏 F1 随网络模型层数变化图 3-7 不同层数 DeepAttr 模型的属性推断实验结果和 10%的测试比所获得的属性推断宏查准率（P）、都是最高的；随着训练比的减小和测试比的增加，这体下降趋势相对缓慢，说明 DeepAttr 模型具有较好DeepAttr 模型输入层的用户特征向量维度对实验结果模块中，通过设置不同的维度参数为每个用户学习了其维度从几十维到几百维不等，然后将不同维度的用训练，进而获得测试集上的属性推断结果，其中模型实验的训练集和测试集分别占总数据集的 80%和 1和整体属性推断结果的评价指标分别进行统计，如表果按评价指标分别绘制出相应的折线图如图 3-9 所示属性来看，随着用户特征向量维度的不断增加，，性别

84.48% 84.0% 84.2% 63.24% 72.26% 71.3% 5 86.08% 85.9% 85.5% 64.49% 73.54% 74.3% 5 86.89% 86.8% 86.9% 64.17% 73.85% 76.3% 5 87.17% 87.0% 87.4% 64.89% 74.48% 76.9% 6 87.57% 87.4% 88.4% 69.07% 77.58% 78.1% 6随训练集所占比例变化 (b) 宏查全率随训练集所占
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP181;F724.6

【相似文献】

相关期刊论文 前10条

1 朱扬勇;对象历史H模型[J];计算机应用研究;1988年04期

2 宋帅峰;王世卿;;基于属性集合加密的数据访问控制方案[J];计算机应用与软件;2014年07期

3 何倩;刘鹏;王勇;;可撤销动静态属性的车联网属性基加密方法[J];计算机研究与发展;2017年11期

4 孟雷;;可证安全的属性集合加密[J];计算机应用与软件;2014年02期

5 王建华;王光波;徐开勇;;标准模型下可证明安全的支持大规模属性集与属性级用户撤销的CP-ABE方案[J];电子与信息学报;2017年12期

6 孟雷;宋帅峰;赵晓冰;;可证安全的属性集合加密策略研究[J];计算机工程与设计;2013年04期

7 田秋亭;韩德志;;云存储中属性撤销机制研究综述[J];小型微型计算机系统;2019年01期

8 王光波;刘海涛;王晨露;王鹏程;练琳;惠文涛;;云存储环境下可撤销属性加密[J];计算机研究与发展;2018年06期

9 赵郑营;曹伯强;;基于属性基加密的属性撤销综述[J];现代计算机(专业版);2018年29期

10 刘亚丽;黄汛;;基于粗糙集理论的低压电器故障诊断方法研究[J];江汉大学学报(自然科学版);2012年05期

相关会议论文 前3条

1 姚升保;;非线性偏好结构下的多属性采购拍卖模型研究[A];第十九届中国管理科学学术年会论文集[C];2017年

2 王国文;;带有证书且含有属性条件下基于身份的混合加密方案[A];2018第七届全国安全等级保护技术大会论文集[C];2018年

3 闫玺玺;刘媛;胡明星;黄勤龙;;云环境下基于LWE的多机构属性基加密方案[A];第32次全国计算机安全学术交流会论文集[C];2017年

相关重要报纸文章 前1条

1 四川 王子剑;Delphi中实现ADO的高级功能[N];电脑报;2006年

相关博士学位论文 前5条

1 刘泽超;云环境下密文策略属性基加密技术研究[D];哈尔滨工业大学;2019年

2 施汉琴;基于相对属性学习的视觉比较方法研究[D];安徽大学;2019年

3 李伟;云计算中基于共享子策略的属性密码体制研究[D];北京邮电大学;2019年

4 张宇;云计算环境下属性密码机制应用研究[D];武汉大学;2015年

5 郭鸿志;多源语义知识库融合方法研究[D];哈尔滨工业大学;2011年

相关硕士学位论文 前10条

1 张皓;属性基加密密文等式测试的研究及应用[D];电子科技大学;2019年

2 彭黎;可撤销的属性基加密体制的应用研究[D];电子科技大学;2019年

3 谢敏锐;基于网络表示学习的节点属性推断研究[D];电子科技大学;2019年

4 李会会;基于属性聚类的手机评价模型研究与应用[D];重庆邮电大学;2018年

5 陈壮;基于属性加密的分布式数据访问控制机制研究[D];重庆邮电大学;2018年

6 孙建勋;基于多属性的访问控制安全策略管理系统设计与实现[D];北京邮电大学;2019年

7 卢开毅;基于属性加密的安全云存储算法的研究[D];陕西科技大学;2019年

8 吴阿新;基于属性加密的云存储安全技术研究[D];西安邮电大学;2019年

9 李红磊;分层属性基加密体制的研究[D];长安大学;2018年

10 刘鸿;云计算中基于属性访问控制和权限撤销方法的研究[D];湖南大学;2014年

本文编号：2671215