采用Node2Vec模型对网络特征表示方法研究
发布时间：2022-07-16 17:46
通过复杂网络对现实生活中复杂系统的抽象,将繁复多样的专业问题归纳为网络中点与点,边与边之间关系的研究已经成为了适用于广泛领域研究中的一种十分成熟的做法。随着近年来对复杂网络的研讨与钻研不断深入,近年来以自然语言处理领域中涌现的Word2vec模型为代表的研究方法与复杂网络产生了巧妙的结合,该方法通过对网络数据的处理与简化,结合神经网络模型与深度学习背景方法,采用低维空间向量的形式将网络节点重新表示,使得空间向量在保留网络结构关系的同时又将网络节点位置关系进行有效表达,对网络中的弱链接具有良好的体现,保留了网络中边缘节点的长尾效应的体现,在面对海量大数据的复杂网络时具有高效、快速、普适的特征,同时该研究方法也被广泛应用于网络节点聚类、链路预测、可视化等研究领域中,并且取得了优异的成果。如今,以Node2Vec为代表的特征表示方法在生物学、社会学、经济学等方面都有着广泛的应用,它使我们对复杂网络背后的结构与规律的挖掘有了新的视角,使我们更容易发现传统研究方法中难以发现的盲点,从而更好的根据特征表示结果来揭示事实产生的背景与原理。在此基础上,笔者采用传统文献计量中合著网络这一复杂网络进行实证...
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究的目的和意义
1.2 课题的国内外研究现状
1.3 可行性分析
1.3.1 研究基础
1.3.2 已具备的条件
1.4 论文拟采用的技术路线
1.5 论文拟进行的主要工作和预期成果
1.5.1 工作安排
1.5.2 预期成果
1.6 论文组织结构
第二章 研究设计与研究方法
2.1 复杂网络及其特征
2.2 信息网络模型与元路径
2.3 信息网络表示学习
2.3.1 概念
2.3.2 分类
2.4 相关模型简介
2.4.1 词的表示
2.4.2 语言模型
2.4.3 Word2Vec与Skip-Gram模型
2.4.4 DeepWalk算法
2.4.5 Node2Vec模型
2.5 模型化
2.6 建立图
第三章 研究过程与数据分析
3.1 数据采集方案
3.2 数据预处理
3.3 算法设计
3.3.1 工具概述
3.3.2 图识别
3.3.3 表示训练
3.4 降维计算
3.4.1 定义
3.4.2 分类
3.4.3 主成分分析算法(PCA)
3.4.4 主成分分析算法实现
3.5 数据分析
第四章 实验结果分析
4.1 合著网络相似度分析
4.1.1 向量相似度
4.1.2 作者相似度分析
4.1.3 基于相似度的邻居结构分析
4.2 合著网络聚类分析
4.2.1 聚类分析定义
4.2.2 聚类分析分类
4.2.3 聚类分析效果评价
4.2.4 K均值算法
4.2.5 作者聚类分析
4.2.6 出版物聚类分析
4.2.7 论文聚类分析
4.2.8 聚类分析总结
4.3 合著网络链接预测
4.3.1 链接预测的定义
4.3.2 链接预测方法
4.3.3 链接预测方法评价
4.3.4 作者合著预测
4.3.5 作者与出版物合作预测
第五章 总结与展望
5.1 主要结论
5.2 研究不足讨论与改进探讨
5.3 后续研究展望
5.4 总结
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]基于node2vec的社交网络用户属性补全攻击[J]. 裴杨,瞿学鑫,郭晓博,段丁阳. 信息网络安全. 2017(12)
[2]基于加权word2vec的微博情感分析[J]. 李锐,张谦,刘嘉勇. 通信技术. 2017(03)
[3]基于Word2Vec的一种文档向量表示[J]. 唐明,朱磊,邹显春. 计算机科学. 2016(06)
[4]社交网络链路预测研究综述[J]. 杨星,鲁天琦,陈美灵,刘超,张树华. 信息与电脑(理论版). 2015(21)
[5]社会网络中的链接预测任务[J]. 刘峰,刘秉权,王晓龙. 智能计算机与应用. 2015(05)
[6]Word2vec的工作原理及应用探究[J]. 周练. 科技情报开发与经济. 2015(02)
[7]国外社会网络分析在文献计量领域的应用研究[J]. 滕广青,牟冬梅,任晶. 情报资料工作. 2014(01)
[8]微博用户的相似性度量及其应用[J]. 徐志明,李栋,刘挺,李生,王刚,袁树仑. 计算机学报. 2014(01)
[9]基于结构的社会网络分析[J]. 窦炳琳,李澍淞,张世永. 计算机学报. 2012(04)
[10]一种基于稀疏嵌入分析的降维方法[J]. 闫德勤,刘胜蓝,李燕燕. 自动化学报. 2011(11)
博士论文
[1]带权信息网络之计量测度研究[D]. 赵星.浙江大学 2014
硕士论文
[1]基于链路预测的社交网络推荐系统研究[D]. 杨星.杭州电子科技大学 2016
[2]复杂网络中基于相似性的链接预测算法研究[D]. 王小平.兰州大学 2015
[3]社会网络的链接预测[D]. 殷涵.吉林大学 2012
[4]中文分词算法的研究与实现[D]. 朱世猛.电子科技大学 2011
[5]中文文本分类技术研究[D]. 李保秀.南昌大学 2010
本文编号：3662977
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 课题研究的目的和意义
1.2 课题的国内外研究现状
1.3 可行性分析
1.3.1 研究基础
1.3.2 已具备的条件
1.4 论文拟采用的技术路线
1.5 论文拟进行的主要工作和预期成果
1.5.1 工作安排
1.5.2 预期成果
1.6 论文组织结构
第二章 研究设计与研究方法
2.1 复杂网络及其特征
2.2 信息网络模型与元路径
2.3 信息网络表示学习
2.3.1 概念
2.3.2 分类
2.4 相关模型简介
2.4.1 词的表示
2.4.2 语言模型
2.4.3 Word2Vec与Skip-Gram模型
2.4.4 DeepWalk算法
2.4.5 Node2Vec模型
2.5 模型化
2.6 建立图
第三章 研究过程与数据分析
3.1 数据采集方案
3.2 数据预处理
3.3 算法设计
3.3.1 工具概述
3.3.2 图识别
3.3.3 表示训练
3.4 降维计算
3.4.1 定义
3.4.2 分类
3.4.3 主成分分析算法(PCA)
3.4.4 主成分分析算法实现
3.5 数据分析
第四章 实验结果分析
4.1 合著网络相似度分析
4.1.1 向量相似度
4.1.2 作者相似度分析
4.1.3 基于相似度的邻居结构分析
4.2 合著网络聚类分析
4.2.1 聚类分析定义
4.2.2 聚类分析分类
4.2.3 聚类分析效果评价
4.2.4 K均值算法
4.2.5 作者聚类分析
4.2.6 出版物聚类分析
4.2.7 论文聚类分析
4.2.8 聚类分析总结
4.3 合著网络链接预测
4.3.1 链接预测的定义
4.3.2 链接预测方法
4.3.3 链接预测方法评价
4.3.4 作者合著预测
4.3.5 作者与出版物合作预测
第五章 总结与展望
5.1 主要结论
5.2 研究不足讨论与改进探讨
5.3 后续研究展望
5.4 总结
参考文献
致谢
附录
【参考文献】：
期刊论文
[1]基于node2vec的社交网络用户属性补全攻击[J]. 裴杨,瞿学鑫,郭晓博,段丁阳. 信息网络安全. 2017(12)
[2]基于加权word2vec的微博情感分析[J]. 李锐,张谦,刘嘉勇. 通信技术. 2017(03)
[3]基于Word2Vec的一种文档向量表示[J]. 唐明,朱磊,邹显春. 计算机科学. 2016(06)
[4]社交网络链路预测研究综述[J]. 杨星,鲁天琦,陈美灵,刘超,张树华. 信息与电脑(理论版). 2015(21)
[5]社会网络中的链接预测任务[J]. 刘峰,刘秉权,王晓龙. 智能计算机与应用. 2015(05)
[6]Word2vec的工作原理及应用探究[J]. 周练. 科技情报开发与经济. 2015(02)
[7]国外社会网络分析在文献计量领域的应用研究[J]. 滕广青,牟冬梅,任晶. 情报资料工作. 2014(01)
[8]微博用户的相似性度量及其应用[J]. 徐志明,李栋,刘挺,李生,王刚,袁树仑. 计算机学报. 2014(01)
[9]基于结构的社会网络分析[J]. 窦炳琳,李澍淞,张世永. 计算机学报. 2012(04)
[10]一种基于稀疏嵌入分析的降维方法[J]. 闫德勤,刘胜蓝,李燕燕. 自动化学报. 2011(11)
博士论文
[1]带权信息网络之计量测度研究[D]. 赵星.浙江大学 2014
硕士论文
[1]基于链路预测的社交网络推荐系统研究[D]. 杨星.杭州电子科技大学 2016
[2]复杂网络中基于相似性的链接预测算法研究[D]. 王小平.兰州大学 2015
[3]社会网络的链接预测[D]. 殷涵.吉林大学 2012
[4]中文分词算法的研究与实现[D]. 朱世猛.电子科技大学 2011
[5]中文文本分类技术研究[D]. 李保秀.南昌大学 2010
本文编号：3662977
本文链接：https://www.wllwen.com/tushudanganlunwen/3662977.html
