图卷积神经网络在网络表示学习及推荐系统中的应用

发布时间：2021-04-18 20:36

　　图卷积神经网络是一种基于不规则或非欧几里得数据进行预测和分析的模型。数据科学如今发展迅速,图卷积神经网络在各行各业都有很多应用。本文的主要内容可分为两部分:1.本文提出了一种新的图卷积神经网络解决网络表示学习中的节点分类问题。它建立在一个基于深度的图结构表示上,我们称之为基于深度的子图卷积神经网络（DSCNN,short for Depth-based Subgraph Convolutional Neural Networks）,它集成了图中的全局排列和局部结构信息。我们的想法是将图分解为一系列以每个节点为根节点的K层扩展子图,然后在这些子图上设计一组卷积核以捕获局部结构信息。具体来说,我们首先为图中每个节点建立一个K层扩展子图,每个节点及其邻居节点之间存在局部结构信息。然后,我们设计了一组固定大小的卷积核,像标准卷积运算作用于规则数据上一样提取局部特征。图卷积运算提取图中的局部结构信息,并且子图的不同位置之间的权重共享:池化操作直接作用于前一层的输出而没有任何预处理方案（例如,聚类或其他技术）。在三个图结构数据集的实验证明我们的DSCNN在节点分类任务上的有效性。2.基于商品的协同... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

图１．２：该例子中，学生喜欢数学分析和高等代数两本书，协同过滤会给这两本书找出最相??似的三本书，然后根据公式计算出学生对每本书的感兴趣程度

图２．３：我们的ＤＳＣＮＮ的例子，其中瓦＝４和ｍ?＝?３〇?“Ｃｏｎｖ”箭头表示卷积运算

图２．４：接受域ｍ＋１和ｍ叉树的深度Ｋ对所提ＤＳＣＮＮ的节点分类性能的影响??


本文编号：3146135