基于结构学习的网络嵌入增强技术研究

发布时间：2022-07-02 16:50

　　网络嵌入,又称网络表示学习,在社交网络、推荐系统、知识图谱、自然语言处理等领域都有着广泛的应用。典型的网络嵌入技术以应用中的网络结构等信息为输入,通过嵌入模型获取网络节点的低维特征,基于这些低维特征可以方便的进行如节点分类、聚类等机器学习任务。现实世界的网络结构数据往往存在各种缺陷,如网络结构中边的遗失、噪音等问题,已有的网络嵌入模型被应用在具有缺陷的网络结构数据上时往往效果大打折扣。目前的网络嵌入工作鲜有考虑网络结构数据本身的缺陷问题。本文工作针对网络嵌入中数据存在的诸如边缺失、稀疏、错误等网络结构缺陷问题进行研究,提出一种迭代式方法进行网络结构学习,从而提高网络嵌入的效果。具体而言,本文工作的主要内容包括:1.针对存在边缺失缺陷的网络结构,提出一种迭代式的网络结构学习方法IAL。该方法在每一轮的学习中包括子集筛选、边评价、网络结构更新、网络结构评价等模块。该方法对具有边缺失、边稀疏等缺陷的网络结构数据具有增强作用,能提高网络嵌入的表现。2.针对存在边错误缺陷的网络结构,基于错边数据的具体特征,提出一种两步处理的网络结构学习方法IAL-REC。该方法能有效提高含有边错误等缺陷的网络结... 

【文章页数】：86 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
符号清单
第一章 绪论
    1.1 研究背景
    1.2 研究现状
    1.3 本文工作
    1.4 本文结构
第二章 相关工作
    2.1 网络嵌入技术
    2.2 网络结构学习
    2.3 边预测
    2.4 图对抗攻击
    2.5 小结
第三章 弱边网络结构的增强
    3.1 弱边网络结构
    3.2 问题表述
    3.3 迭代式边更新
    3.4 子问题讨论和优化
        3.4.1 边评价
        3.4.2 批量更新
        3.4.3 子集筛选
        3.4.4 网络嵌入模型
    3.5 小结
第四章 错边网络结构的恢复
    4.1 错边网络结构
    4.2 二步处理的错边网络结构学习问题
    4.3 恢复-增强的迭代式边更新
    4.4 错误边的损失分布
    4.5 小结
第五章 基于IAL的网络结构学习工具设计与实现
    5.1 工具组成模块分析
    5.2 具体的设计与实现
        5.2.1 预处理模块
        5.2.2 网络结构学习
        5.2.3 后处理模块
        5.2.4 集成库
    5.3 使用与展示
    5.4 小结
第六章 实验验证
    6.1 研究问题
    6.2 实验设置
        6.2.1 代码实现和硬件环境
        6.2.2 数据集
    6.3 实验结果与分析
        6.3.1 弱边网络结构学习
        6.3.2 错边网络结构学习
        6.3.3 超参数实验
    6.4 小结
第七章 总结与展望
    7.1 总结
    7.2 展望
致谢
参考文献
简历与科研成果



本文编号：3654722