检索结果-南通市图书馆

基于个性化PageRank高阶邻域聚合的图神经网络增强

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：商雅名吴安彪袁野王一舒东北大学计算机科学与工程学院北京理工大学计算机学院

图神经网络的关键思想是通过图的拓扑结构来聚合邻域信息学习目标节点的信息表征，所以当图中存在与下游任务无关的边，或者节点的邻居有限时，都会限制神经网络的表达。现有的增强方法很少有从结构和特征两方面出发来同时增强图数据，... 详细信息

图神经网络的关键思想是通过图的拓扑结构来聚合邻域信息学习目标节点的信息表征，所以当图中存在与下游任务无关的边，或者节点的邻居有限时，都会限制神经网络的表达。现有的增强方法很少有从结构和特征两方面出发来同时增强图数据，其中现有的局域增强方法运用生成模型通过一阶邻域来生成特征无法为节点获得更多相关高阶邻域信息。针对这种现象，提出了一种有效的数据增强策略：首先运用边预测模型来调整图的拓扑结构，提高信噪比，促进节点之间的消息传递，之后运用个性化PageRank算法从全局角度聚合多阶邻域中的有效信息进行全局特征增强，最后运用生成模型来生成更多特征进行局域增强，丰富节点表达，特别是低度节点。实验表明，在Cora，Citeseer和Pubmed数据集上，在图卷积神经网络和图注意力网络模型上运用该数据增强策略，在测试精度方面模型准确度平均提高3.1%和1.3%。证明当应用于不同的基准集的各种神经网络架构时，该数据增强策略都能产生一定程度上的性能提升。

关键词：数据增强个性化PageRank 生成模型神经网络全局聚合多阶邻域

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

时序图节点嵌入策略的研究

软件学报 2021年第3期32卷 650-668页

作者：吴安彪袁野马玉亮王国仁东北大学计算机科学与工程学院辽宁沈阳110169 北京理工大学计算机学院北京100081 东北大学工商管理学院辽宁沈阳110169

相较于传统的图数据分析方法,图嵌入算法是一种面向图节点的新型图数据分析策略.其旨在通过将图节点向量化表达,进而在节点向量基础上,利用神经网络相关技术,更有效地进行图数据分析或挖掘工作,如在节点分类、链接预测及交通流预测等经... 详细信息

相较于传统的图数据分析方法,图嵌入算法是一种面向图节点的新型图数据分析策略.其旨在通过将图节点向量化表达,进而在节点向量基础上,利用神经网络相关技术,更有效地进行图数据分析或挖掘工作,如在节点分类、链接预测及交通流预测等经典问题上效果显著.虽然研究者们在图嵌入方面已取得了诸多成果,但是面向时序图的节点嵌入问题却未被充分重视.在先前研究工作的基础上,结合信息在时序图中的传播特性,提出一种对时序图节点进行自适应嵌入表达的方法ATGEB(adaptive temporal graph embedding).首先,为了解决不同类型时序图节点活跃程度不同的问题,通过设计一种自适应方式对其活跃时刻进行聚类;而后,在此基础上设计一种游走模型,用以保存节点对之间的时间关系,并将节点游走序列保存在双向多叉树上,进而可以更快速地得到节点时间相关的游走序列;最后,在基于节点游走特性和图拓扑结构的基础上对节点向量进行重要节点采样,以便在尽可能短的时间内训练出满足需求的网络模型.通过充分的实验证明:面向时序图的嵌入策略相较于现流行的嵌入方法,在时序图时序中节点间时序可达性检测以及节点分类等问题上得出了更好的实验效果.

关键词：时序图节点嵌入重要采样时序可达节点分类

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

位置社交网络上的图表示学习

计算机学报 2022年第4期45卷 838-857页

作者：赵琳琳吴安彪袁野李扬王国仁东北大学计算机科学与工程学院北京理工大学计算机学院

随着在线社交网络的普及，基于位置的社交网络（Location-Based Social Networks, LBSN）积累了海量数据，且因其包含丰富的时空、语义信息已被广泛应用在挖掘用户行为偏好的研究上，但传统的手工提取LBSN特征的方法有很大局限性且耗时... 详细信息

随着在线社交网络的普及，基于位置的社交网络（Location-Based Social Networks, LBSN）积累了海量数据，且因其包含丰富的时空、语义信息已被广泛应用在挖掘用户行为偏好的研究上，但传统的手工提取LBSN特征的方法有很大局限性且耗时耗力.近几年来，图表示学习在推荐系统、知识图谱等领域成功应用，彰显了其强大的非线性拟合和表示学习的能力.然而，现有图表示学习大多集中在静态、同构的网络上，难以同时考虑时间、位置信息、社交关系来捕捉LBSN中复杂的结构和用户偏好，以致无法高效提取LBSN中的有效信息.因此，本文提出面向LBSN的两阶段图表示学习框架TGE-LBSN(Two Stages of Graph Embedding on LBSN)，即将LBSN转化成异构网络结构，设计了LBSN上的图表示学习算法自动提取LBSN的特征，得到蕴含有效信息的节点向量表示，并利用社交领域的预测、推荐任务检验其有效性.首先，依据时间对LBSN的签到（Check-in）超边进行有偏采样，第一阶段设计了IVGS(Initial Vector Generation Stage)算法，利用好友边与Check-in超边共同生成包含位置、特征信息的初始节点向量.其次，在第二阶段将LBSN依据签到时间划分成不同子图，分别进行各个子图下的异构网络层结构信息聚合操作.在第一阶段结果的基础上，提出了面向LBSN的选择聚合邻居策略SAN(Select Aggregated Neighbors)，选取有代表性的邻居节点完成聚合操作，进而完成子图向量生成算法SVG(Subgraph Vector Generation)得到子图中节点的向量表示.最后，依据任务设定损失函数，结合注意力机制为各子图学得自适应权重，从而得到节点的最终向量表示，进而完成社交领域的预测推荐任务.本研究分别在真实的LBSN数据集上以及时序社交网络与基准方法进行了大量的对比实验，并采用ROC曲线作为评价标准，实验结果验证了本文所提算法TGE-LBSN能高效地自动提取LBSN的有效信息并保留在节点的嵌入向量中，且在社交领域的好友预测任务上比现有模型在AUC值方面最高可提升42%，在兴趣点推荐任务上AUC取值相较于对比算法最高可达到7%的提升.

关键词：位置社交网络图表达异构网络表示学习注意力机制链路预测

基于元结构匹配与有偏采样的图相似度计算方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机学报 2023年第7期46卷 1513-1531页

作者：安丽霞吴安彪袁野孙思琪王国仁东北大学计算机科学与工程学院北京理工大学计算机学院

作为图分类、图相似搜索等诸多图数据分析任务的核心步骤,图相似度计算一直是备受研究者们所重视的一个热点问题.由于传统图相似度计算方法的复杂性,无法适用于实时计算节点较多的图相似度任务,针对此问题研究者们提出了新型的基于图神... 详细信息

作为图分类、图相似搜索等诸多图数据分析任务的核心步骤,图相似度计算一直是备受研究者们所重视的一个热点问题.由于传统图相似度计算方法的复杂性,无法适用于实时计算节点较多的图相似度任务,针对此问题研究者们提出了新型的基于图神经网络的图相似度计算方法.然而这些算法虽有效加快了图相似度的计算,但是仍然存在两方面的不足,从而影响了他们的性能:(1)多数现有工作通过节点级或图级嵌入的比较来衡量图之间的相似度,忽略了大图中丰富的局部结构特征;(2)所有现有工作均随机采样生成图对数据,导致样本包含的结构不均匀,训练所得模型只对部分特定结构敏感因而误差较大.为此,本文提出了一种新颖的基于元结构匹配与有偏采样的图相似度计算方法 MB-GSC(Meta-Structure Matching and Biased Sampling based Graph Similarity Computation).首先提出GSE(Graph Structure Extraction)算法提取图中元结构并构建图的结构分布向量,然后基于此向量提出有偏采样策略RSG(Representative Sample Generation)进行代表性样本的生成,用于后续模型训练.同时,提出算法MSA(Meta Structure Alignment)对提取到的元结构进行最优匹配对齐,从而获取公有结构形状差异与特有结构数量差异,进而构建蕴含有效的局部相似信息的子结构相似向量.最后,在模型中集成节点级成对比较相似向量、图级神经张量网络相似向量、子结构相似向量进行图对相似性计算.为验证算法的有效性,采用5个评估指标在4个真实数据集上与基准方法进行了大量对比实验,对模型性能进行全面评估.实验结果验证了本文所提算法MB-GSC能够更准确且高效地计算图之间的相似度,在GED预测、MCS预测任务上的准确度比现有模型分别提升11.16%、7.45%,且在保证相同准确率的同时使训练样本数平均减少54%.

关键词：图相似度计算图神经网络图编辑距离图嵌入最大公共子图

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

用户行为驱动的时序影响力最大化问题研究

计算机科学 2022年第6期49卷 119-126页

作者：魏鹏马玉亮袁野吴安彪东北大学计算机科学与工程学院沈阳110000 东北大学工商管理学院沈阳110000 北京理工大学计算机学院北京100081

影响力最大化IM问题旨在查找社交网络中的一组用户,通过这些用户,使信息在网络中传播的范围最大化。现有研究主要关注静态网络中的IM问题,然而在现实生活中,社交网络是不断演化的,基于静态网络的传播模型(如独立级联模型、线性阈值模型... 详细信息

影响力最大化IM问题旨在查找社交网络中的一组用户,通过这些用户,使信息在网络中传播的范围最大化。现有研究主要关注静态网络中的IM问题,然而在现实生活中,社交网络是不断演化的,基于静态网络的传播模型(如独立级联模型、线性阈值模型)无法适用于演化网络中的信息传播过程。同时,现有研究忽略了用户行为对信息传播的影响。因此,针对该问题,提出了一种用户行为驱动的独立级联BDIC传播模型,该模型主要根据用户行为对信息的传播过程进行建模,可有效刻画演化社交网络中的信息传播过程。在该模型的基础上,提出了用户行为驱动的影响力最大化算法,主要包括3个步骤:首先,建模消息传播过程,计算演化社交网络中的信息传播概率;然后,提出一种用户行为驱动的反向影响力采样方法,有效查询单个时间点下的种子用户;最后,设计一种不同时间节点(时间序列)下的种子节点查询方法,有效反映演化社交网络中种子节点动态变化的特性。为了评估所提算法的有效性,设计了种子节点与受影响节点的相似度对比方法。通过大量真实数据集上的实验,验证了信息传播概率算法的高效性和扩展性,证明了相比普通的独立级联模型,BDIC模型能更好地建模演化社交网络中的信息传播过程。

关键词：演化社交网络行为驱动模型影响力最大化传播概率矩阵反向可达集

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

大规模时序图影响力最大化的算法研究

计算机学报 2019年第12期42卷 2647-2664页

作者：吴安彪袁野乔百友王一舒马玉亮王国仁东北大学计算机科学与工程学院北京理工大学计算机学院

影响力最大化问题在社交网络中有着广泛的应用,一般地可以将社交网络抽象为静态图,影响力最大化问题是指在图中找出k个最有影响力的顶点,使得信息最大化传播.近年来对此问题的研究主要基于静态图,但是在现实中某些特定网络不可简单地被... 详细信息

影响力最大化问题在社交网络中有着广泛的应用,一般地可以将社交网络抽象为静态图,影响力最大化问题是指在图中找出k个最有影响力的顶点,使得信息最大化传播.近年来对此问题的研究主要基于静态图,但是在现实中某些特定网络不可简单地被抽象为静态图,如社交网络及路网中节点间只在某些特定时间存在联系,即节点间的联系是具有时序性的.因此,本文研究了时序图影响力最大化问题,即在时序图上寻找k个顶点使得信息在特定的时间段内最大化传播.传播模型的选择和节点间传播概率的计算是影响力最大化问题的基础,由于基于静态图的IC(Independent Cascade model)传播模型无法应用于时序图,因此本文首先对IC模型进行改进,并提出了ICT(Independent Cascade model on Temporal graph)传播模型,使信息可以通过ICT传播模型在时序图上进行传播.而后通过改进PageRank算法来进行计算节点间的传播概率.然后在此基础上将时序图影响力最大化问题分为两步来进行实现.第一步首先研究时序图节点影响力的计算,并提出了用来计算节点影响力的SIC(Single Node Influence Computation)算法,然后通过对时序图中节点联系时序性这一特性的研究提出了一种改进算法ISIC(Improved SIC).第二步是在第一步结果的基础上来寻找k个种子节点,首先提出了一种基本的时序图影响力最大化算法BIMT(Basic Method for IMTG).但BIMT难以高效解决大规模时序图影响力最大化问题,因此通过优化节点边际效应的计算时间,提出了高效的AIMT(Advanced Method for IMTG)算法,然后通过避免某些节点边际效应的重复计算,对AIMT算法进行改进,从而提出了IMIT(Improved Method for IMTG)算法.最后通过大量实验验证了AIMT和IMIT两种算法高效性和扩展性,相比于BIMT算法,AIMT和IMIT可以更加快速地解决大规模时序图影响力最大化问题.

关键词：时序图影响力最大化信息传播模型边际效应社交网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于节点相似度的无监督属性图嵌入模型

计算机应用 2022年第1期42卷 1-8页

作者：李扬吴安彪袁野赵琳琳王国仁东北大学计算机科学与工程学院沈阳110169 北京理工大学计算机学院北京100081

属性图嵌入旨在将属性图中的节点表示为低维向量,并同时保留节点的拓扑信息和属性信息。属性图嵌入已经有一系列相关工作,然而它们大多数提出的是有监督或半监督的算法。在实际应用中,需要标记的节点数量多,导致这些属性图嵌入算法的难... 详细信息

属性图嵌入旨在将属性图中的节点表示为低维向量,并同时保留节点的拓扑信息和属性信息。属性图嵌入已经有一系列相关工作,然而它们大多数提出的是有监督或半监督的算法。在实际应用中,需要标记的节点数量多,导致这些属性图嵌入算法的难度大,且需要消耗巨大的人力物力。针对上述问题以无监督的视角重新分析,提出了一种无监督的属性图嵌入算法。首先,通过已存在的无属性图嵌入算法和属性图的属性分别计算节点的拓扑信息和属性信息;其次,利用图卷积网络(GCN)得到节点的嵌入向量,并使得嵌入向量与拓扑信息以及嵌入向量与属性信息的差最小;最终,使拓扑信息和属性信息都相似的成对节点得到相似嵌入。与图自动编码器(GAE)方法相比,所提出的方法在Cora、Citeseer数据集上的节点分类准确率分别提升了1.2个百分点和2.4个百分点。实验结果表明,所提出的方法能够有效提高生成的嵌入的质量。

关键词：属性图嵌入图卷积网络节点分类节点相似度无监督

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

军港国旗红战舰展雄姿

军港国旗红战舰展雄姿

黑龙江省康养旅游资源空间分布特征及其影响因素研究

解放军报

作者：吴安宁王冠彪

秋日青岛，海风徐徐。10月1日上午，在青岛港3号码头和青岛奥帆中心码头，到处是前来参观的群众。为庆祝新中国成立75周年，北部战区海军举办舰艇开放活动，与人民群众一同欢庆佳节。据悉，此次活动从10月1日持续到10月3日，是北部战区... 详细信息

秋日青岛，海风徐徐。10月1日上午，在青岛港3号码头和青岛奥帆中心码头，到处是前来参观的群众。为庆祝新中国成立75周年，北部战区海军举办舰艇开放活动，与人民群众一同欢庆佳节。据悉，此次活动从10月1日持续到10月3日，是北部战区海军庆祝新中国成立75周年系列活动中的......

关键词：海军军队攻击舰军用船

来源： cnki报纸评论

在线全文

cnki报纸

学校读者我要写书评

暂无评论

黑龙江省康养旅游资源空间分布特征及其影响因素研究

作者：吴安哈尔滨商业大学

学位级别：硕士