面向文献数据的网络表示学习方法研究

发布时间：2020-12-20 14:10

　　文献信息的获取是开展科研工作的重要环节,如何高效地从海量的文献数据中挖掘出有用信息,是科研工作者需要解决的共性问题。文献数据可建模为网络形式进行分析,复杂而庞大的文献网络增加了计算机处理难度。如何将文献网络表示成合理的形式,并高效地运用于作者分类、文章相似性搜索和合著关系预测等文献网络应用任务,对解决现实应用问题具有重要意义。为克服传统网络表示方法计算复杂度高、难以有效融合网络异质信息等问题,研究学者提出网络表示学习（Network Representation Learning）,又称网络嵌入（Network Embedding）,旨在将网络中的节点表示成低维稠密的向量,以将其作为机器学习模型的输入运用于后续的网络应用任务之中。随着科学技术的飞速发展,文献数据呈指数型增长,现有网络表示学习方法在处理文献数据时主要存在以下挑战:1)文献数据包含作者、论文、会议等多种实体,实体间的复杂交互包含了丰富的语义信息。现有异质网络表示学习方法在处理由文献数据构成的文献信息网络时,难以有效结合用户导向对网络语义信息进行保留;2)文献数据随时间不断变化,其构成的文献信息网络呈现出明显的动态特性,而现... 

【文章来源】：战略支援部队信息工程大学河南省

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

参数敏感性分析

第 36 页(a) Deepwalk (b)STWalk (c)HTNE (d)MHDNE图 3.2 DBLP 数据集的可视化实验中，使用不同颜色的点来表示不同研究领域的作者的二维可视化结果：橙色的点

(c)Metapath2vec++算法 (d)DHNE 算法图 4.4 四个研究领域的作者可视化结果4 参数敏感性分析本节对时间步长 的参数敏感性进行分析。时间步长决定了在构造网络增广图时的历史信息。时间步长值越大，网络增广图中包含的历史信息越多。本节通过改

【参考文献】：
期刊论文
[1]大规模复杂信息网络表示学习:概念、方法与挑战[J]. 齐金山,梁循,李志宇,陈燕方,许媛.  计算机学报. 2018(10)
[2]网络表示学习综述[J]. 涂存超,杨成,刘知远,孙茂松.  中国科学:信息科学. 2017(08)
[3]基于复杂网络理论的大型电力系统脆弱线路辨识[J]. 曹一家,陈晓刚,孙可.  电力自动化设备. 2006(12)
[4]复杂网络理论与城市交通系统复杂性问题的相关研究[J]. 高自友,赵小梅,黄海军,毛保华.  交通运输系统工程与信息. 2006(03)



本文编号：2928004