基于PU学习的链接预测方法研究

发布时间：2023-08-03 18:43

　　随着以互联网为代表的网络信息技术的迅速发展,人们获得了多种多样的复杂网络数据。链接预测作为复杂网络数据分析和挖掘的重要问题,一直受到各领域研究者的广泛关注。链接预测利用数据挖掘的理论与技术辅助分析网络的结构变化情况,研究未来两个节点之间是否会形成链接的问题。传统的链接预测方法主要是针对节点和链接类型单一的同质网络设计的。然而,现实的网络大多是异质的,网络中有多种类型的节点和链接,导致网络节点对间的关系更加复杂。节点对间的关系可以是一条直接的链接,也可以是一条包含多种类型节点和链接的路径。因此,在异质网络中链接预测问题就扩展为关系预测问题。链接预测常常被视为监督学习框架下的二分类问题,网络中存在目标链接的节点对视为正例,否则视为反例。实际上,这些反例可能是不可信的(即部分节点对在未来可能会形成目标链接),直接将这些节点对视为反例进行训练将会降低预测模型的性能。本课题尝试从PU学习的角度研究复杂信息网络中的链接/关系预测问题,将信息网络中存在目标链接/关系的节点对视为正例,将暂不存在目标链接/关系的节点对视为未标记例而非反例。针对正例集合P和未标记集合U之间样本数量严重不平衡的问题,研究如...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 研究现状
    1.3 论文的研究内容
    1.4 论文的组织结构
第二章 复杂网络链接预测方法调研
    2.1 复杂网络简介
        2.1.1 复杂网络的定义
        2.1.2 异质信息网络
    2.2 链接预测问题
        2.2.1 定义与形式化描述
        2.2.2 链接预测的主要方法
        2.2.3 链接预测问题面临的挑战
    2.3 关系预测问题
    2.4 基于PU学习的链接/关系预测问题
        2.4.1 PU学习及其主要方法
        2.4.2 PU学习与链接预测
        2.4.3 PU学习与关系预测
    2.5 本章小结
第三章 基于PU学习的同质信息网络链接预测框架PULP
    3.1 同质信息网络的拓扑特征表示
    3.2 基于PU学习的同质信息网络链接预测方法
        3.2.1 可靠反例选取算法——SemiPUclus
        3.2.2 PULP学习框架及其伪代码描述
    3.3 实验环境与数据
        3.3.1 数据集分析与预处理
        3.3.2 实验环境
    3.4 对比实验设置
        3.4.1 对比方法介绍
        3.4.2 实验设置
    3.5 实验评估标准
        3.5.1 准确率与F1值
        3.5.2 ROC曲线与AUC值
        3.5.3 运行时间
    3.6 实验结果和分析
    3.7 本章小结
第四章 基于PU学习的异质信息网络关系预测框架PURP
    4.1 异质信息网络的拓扑特征表示
    4.2 PURP学习框架及其伪代码描述
    4.3 实验数据
        4.3.1 异质信息网络数据集简介
        4.3.2 数据分析与预处理
    4.4 对比实验设置
    4.5 实验结果和分析
    4.6 本章小结
第五章 总结与展望
    5.1 论文工作总结
    5.2 未来研究内容和方向
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间参加的科研项目
致谢



本文编号：3838608