异质网络节点表示学习算法研究及应用

作     者：陈辉 

作者单位：南京理工大学 

学位级别：硕士

导师姓名：李千目

授予年度：2022年

学科分类：07[理学] 070104[理学-应用数学] 0701[理学-数学] 

主      题：异质网络 边类型感知 邻域聚合 链接偏好性 虚假新闻检测 

摘      要：由于网络结构可以较好地建模现实世界中大部分复杂关系数据,大量网络节点表示学习算法被提出,它们可以将节点嵌入到低维向量空间,并且保留网络的属性信息和拓扑结构信息,使输出的节点表示向量可以直接应用到下游任务中。但是早期的网络表示学习算法为了简化问题复杂度,会假设真实世界的网络只有一种节点类型和边类型,即同质网络。然而这些方法忽视了现实世界网络的异质性,即一个网络会存在多种类型的节点和边,这类网络被称为异质网络。因此有必要充分考虑异质网络的属性,设计适用于异质网络的表示学习方法。本文首先调研了异质网络表示学习方法的现状和不足,发现它们大多数需要人工设计元路径来提取网络的异质信息,且元路径的设计也需要较强的领域知识。所以本文提出了两个异质网络表示学习方法,第一个是基于边类型感知邻域聚合的表示学习方法,它可以提取节点在不同类型邻域上的属性信息,并通过推广后的邻近性目标函数将不同类型边上的局部结构信息嵌入到节点表示向量中,第二个是基于链接偏好性的表示学习方法,它进一步考虑了网络中节点与节点之间所隐含的偏好性,并从概率和角度两个方面衡量节点偏好性,从而在节点表示向量中保留更丰富的网络结构信息。最后本文将异质网络表示学习方法应用于虚假新闻检测任务,通过实验说明了它的应用价值。