检索结果-南通市图书馆

作者：李宁桂林电子科技大学

学位级别：硕士

面对互联网中海量的学术信息,研究者们如何能快速精准地找到符合自己研究兴趣和研究主题的学术文章是一个亟待解决的问题,推荐技术是解决这一问题的典型策略。学术网络作为一种异质信息网络,其中存在多种类型的节点和连接关系,如何在推... 详细信息

面对互联网中海量的学术信息,研究者们如何能快速精准地找到符合自己研究兴趣和研究主题的学术文章是一个亟待解决的问题,推荐技术是解决这一问题的典型策略。学术网络作为一种异质信息网络,其中存在多种类型的节点和连接关系,如何在推荐中利用研究者和论文信息的同时,保留网络中信息的完整性并充分学习节点之间的关系是论文推荐面临的挑战性问题。然而,当前主流的推荐技术大多只考虑文本信息或引文信息,对学术网络中交错的关系信息考虑不充分。针对以上问题,本文引入异质信息网络表示学习开展研究,综合考虑学术网络中论文、作者、主题以及会议等类型节点的信息和不同关系类型的语义信息。本文提出两种新颖的表示学习策略用于解决学术网络中信息的表示学习,主要有以下贡献:（1）针对学术网络中节点类型多元化和节点之间路径影响力不同的特点,本文提出一种融合节点权重和路径权重的异质信息网络表示学习方法,根据节点邻域和不同类型的元路径,计算双重权重信息,突出不同节点在元路径下的重要性以及各类型元路径的不同重要程度,提高了论文推荐性能。（2）针对异质信息网络中信息无法充分捕捉对论文推荐性能的影响,本文设计了一种嵌入子网络的异质信息网络学习方法,该方法构建了节点特征子网络和路径子网络,通过设计的节点关系增强注意力融合两种子网络中的信息,避免信息丢失,建模学术网络中的关系,提升了论文推荐服务质量。（3）在两个公开真实数据集上,对本文提出的两种表示学习策略进行实验,通过大量的对比实验,将本文提出的模型与基线模型进行对比分析,证明本文所提异质信息网络表示学习方法能够更好地融入论文推荐中,从而提升了推荐的性能。

关键词：异质信息网络论文推荐注意力机制网络表示学习

基于多标签、多示例学习的异质信息网络关系挖掘技术

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多标签、多示例学习的异质信息网络关系挖掘技术

作者：薛拾军南京邮电大学

学位级别：硕士

现实世界中的许多复杂系统可以形式化为网络,其中节点表示对象,链接表示对象之间的交互。这些网络大部分是异质的,包含多种类型的对象和关系。例如,在线社交网络Twitter中包含诸如用户、位置和推文等不同类型的节点,以及发推文、转发推... 详细信息

现实世界中的许多复杂系统可以形式化为网络,其中节点表示对象,链接表示对象之间的交互。这些网络大部分是异质的,包含多种类型的对象和关系。例如,在线社交网络Twitter中包含诸如用户、位置和推文等不同类型的节点,以及发推文、转发推文、关注用户、签到等不同类型的链接。链接预测是链接挖掘中的一个关键问题,基于当前或历史网络来预测潜在未知的链接或未来链接的形成。以往大部分的链接预测方法都针对同质信息网络(即网络中存在单一类型的节点和链接)而设计的。最近,针对异质信息网络的链接预测研究得到越来越多研究者的关注,并出现了一些新的进展。在这一背景下,我们提出了基于多标签学习的关系预测器MULRP和基于多示例学习的关系预测器MUIRP。MULRP首次将多标签学习引入关系预测领域,使用元路径定义节点之间的关系,并视为标签,在多标签学习框架中设计新的关系预测模型。实验结果表明,该方法不仅可以更准确地预测新的目标关系,还可以揭示不同类型关系之间(即标签)的相关性,为如何形成新的关系提供建议。MUIRP则是将关系预测视为一种多示例学习问题,将节点间每种关系的描述特征向量视为一个示例,用多个示例组成的包来表示节点对样本,若节点对样本存在则目标关系则标记为正,否则标记为负。实验结果表明,MUIRP的预测性能高于基于传统监督学习的二分类链接预测方法,但低于MULRP方法。

关键词：链接预测关系预测异质信息网络多标签学习多示例学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质信息网络的恶意代码检测方法研究

基于异质信息网络的恶意代码检测方法研究

作者：贾永恒天津大学

学位级别：硕士

随着信息技术的发展,现代社会的正常运转越来越依赖于计算机和互联网,保护计算机系统和网络的安全至关重要。一直以来,恶意代码都是计算机安全的巨大威胁,它常见于各种形式的网络攻击,威胁到个人的隐私和财产安全,甚至危害到国家的安全... 详细信息

随着信息技术的发展,现代社会的正常运转越来越依赖于计算机和互联网,保护计算机系统和网络的安全至关重要。一直以来,恶意代码都是计算机安全的巨大威胁,它常见于各种形式的网络攻击,威胁到个人的隐私和财产安全,甚至危害到国家的安全。因此对恶意代码的检测至关重要。传统的恶意软件检测技术基于恶意代码的签名,这种的方法依靠恶意代码分析人员人工分析并提取出指纹。随着诸如加密、变形和多态等混淆技术的兴起,已有的恶意代码可以快速产生大量拥有不同指纹的变种,基于指纹的检测技术的受到了严峻的考验。为了应对新的威胁,本文提出了一种基于异质信息网络的恶意代码检测方法,这种方法可以利用基于语义和关系的特征检测恶意代码,具有一定的抗混淆能力。本文首先基于异质信息网络（Heterogeneous Information Network）和元路径/元图（Meta-path/Meta-graph）定义了PE文件样本之间的关系。在此前的工作中,使用元路径/元图挖掘样本相似性通常采用连通矩阵（Commuting Matrix）的方式。这种方式对样本之间存在的元路径的实例进行计数,并不关心元路径的各个实例在衡量样本相似性方面存在的差异。本文将样本相似性的衡量细化到元路径/元图的实例层面上,通过定义关系权重对不同的实例进行了区分,从而可以更精确地衡量样本之间的相似性。然后在定义的关系和关系的权重的基础上构建样本的相似矩阵。最后,使用谱聚类将样本聚类。本文的实验中采用了聚类同质性指标和分类时的AUC值衡量算法的性能。实验结果显示本文所提出的方法在两项指标上都高于基于连通矩阵的方法,证明了本文所提出方法的有效性。

关键词：恶意代码检测异质信息网络元路径谱聚类

基于异质信息网络的短文本表示和相似性度量方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质信息网络的短文本表示和相似性度量方法

作者：吕晓锋河北师范大学

学位级别：硕士

随着计算机技术深度融入社会生活,越来越多的短文本信息遍布在网络平台上。短文本相似性度量在文本信息检索、智能问答系统等领域有着广泛的应用。由于短文本内容短小导致语义特征不足,这给短文本表示和相似性度量带来了困难。针对上述... 详细信息

随着计算机技术深度融入社会生活,越来越多的短文本信息遍布在网络平台上。短文本相似性度量在文本信息检索、智能问答系统等领域有着广泛的应用。由于短文本内容短小导致语义特征不足,这给短文本表示和相似性度量带来了困难。针对上述问题,本文从异质信息网络(Heterogeneous Information Network,HIN)的角度出发,将短文本相似性度量转化为异质信息网络的节点相似性度量,基于元路径计算节点的相似性。论文主要工作和创新点包括以下三个部分:(1)增强文本特征表示的短文本建模方法针对短文本的数据稀疏问题,本文将短文本转化为短文本异质信息网络,结合外部知识对短文本扩充。首先,通过外部知识库和LDA(Latent Dirichlet Allocation)模型,得到短文本实体、文本主题信息,设计六种不同短文本扩充方法;其次,构建鲁棒的异质信息网络框架HTE(HIN Text Enrichment),基于六种短文本扩充方法将外部知识与短文本异质信息网络充分融合;最后,在两个数据集上的实验结果表明,增强文本特征表示的短文本建模框架具有鲁棒性,可以集成多种类型的附加信息,能够有效缓解短文本的数据稀疏问题。(2)基于网络模式的元路径高效剪枝挖掘算法复杂异质信息网络中元路径数量庞大,挖掘元路径需要花费大量的时间和空间成本。为降低计算成本,本文提出元路径高效剪枝挖掘算法FPPM(Fast Path Pruning Mining),高效挖掘短文本异质信息网络上的元路径并获取每条元路径的交换矩阵及邻接矩阵。首先,设计元路径高效挖掘算法FPM(Fast Path Mining),在生成元路径同时筛选高权重元路径,降低元路径挖掘的时间成本;其次,基于产生的元路径对短文本异质信息网络进行剪枝,单独获取只包含特定元路径的子网络,为下一步基于元路径进行相似性度量降低空间成本;最后,通过对算法进行时间效率分析、有效性分析及综合对比,FPPM算法可以有效提升时间效率,降低空间成本。(3)基于多源信息融合的加权相似性度量方法由于在短文本异质信息网上传统元路径度量方法没有充分考虑链接属性差异性,导致不能精准度量节点相似性,因此本文提出加权节点相似性度量方法,对短文本进行相似性度量。首先,提出基于元路径和路径实例的多粒度加权方法,融合多个外部知识库实体信息和文本信息采用TF-IDF方法、LDA主题模型和点互信息三种加权方法进行加权;其次,提出基于多源信息融合的加权相似性度量方法WASim,综合不同对象链接权重和不同元路径权重,计算不同元路径下的短文本类型节点的相似性。实验结果表明,本文所提出方法与BERT方法相比,提高了7.43%的准确度,可以高精度地对短文本进行相似性度量。

关键词：文本挖掘短文本异质信息网络相似性度量元路径

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质信息网络表示学习的推荐方法研究

基于异质信息网络表示学习的推荐方法研究

作者：李欣宇吉林大学

学位级别：硕士

推荐系统的主要功能是根据已有的用户交互信息向用户主动地推荐符合用户兴趣偏好的信息或商品,在大多数电子商务网站取得了广泛的应用,推荐算法性能的优劣将直接影响到用户的体验以及商家的收益。然而,大多数推荐算法的性能都容易受到... 详细信息

推荐系统的主要功能是根据已有的用户交互信息向用户主动地推荐符合用户兴趣偏好的信息或商品,在大多数电子商务网站取得了广泛的应用,推荐算法性能的优劣将直接影响到用户的体验以及商家的收益。然而,大多数推荐算法的性能都容易受到冷启动和数据稀疏问题的影响。为了缓解该问题,常用的方法是引入额外的辅助信息来提升推荐系统的性能。近年来,由于推荐系统中存在着丰富的节点和边的关系,自然构成了一个异质信息网络,利用异质信息网络建模推荐系统进行推荐取得了较好的效果。但是目前大多数算法只利用了基于元路径相似度的方法,不能有效利用网络的高阶相似度,并且多数算法不能很好地将多条元路径下的高阶相似度进行高效地融合。此外,在局部低秩子矩阵划分问题上,现有的工作大多基于随机选取锚点并进行子矩阵的划分,不能很好地利用异质信息网络的丰富语义信息,如何结合异质信息网络去更好地划分子矩阵并有效选择锚点是一个值得研究的问题。针对上述问题,本文的主要工作如下:1.提出了基于矩阵分解的协同过滤模型和异质信息网络表示学习结合的框架HRLRec。该模型能够同时利用用户、商品的隐含表示和多个元路径下的有机融合后的高阶相似度共同预测评分,并使用基于元路径PathSim相似度的正则项来约束用户和商品的隐含表示,充分利用异质信息网络的丰富结构和语义信息,以提高评分预测的效果。2.为了在划分局部低秩子矩阵时更加精确,本文将异质信息网络表示学习算法引入到划分过程中。利用具有高阶相似度的节点特征分别对用户和商品嵌入向量聚类,将每个簇的中心作为锚点,利用核函数和距离阈值来决定每个子矩阵包含的元素,得到子矩阵的划分,提升了子矩阵划分的准确性。之后在每个子矩阵上进行矩阵分解,将得到的隐含表示使用核函数来决定预测点和子矩阵锚点的相似性,并通过带权预测评分的方法提升推荐的效果。3.采用Python语言实现了论文中提出的模型和算法,在实验部分采用真实数据集验证本文提出模型的有效性,并与相关的推荐算法进行对比,讨论了模型中所涉及到的参数。

关键词：推荐系统异质信息网络表示学习局部低秩矩阵逼近

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质信息网络的信用债违约风险评估研究

基于异质信息网络的信用债违约风险评估研究

作者：阚纪锁西南财经大学

学位级别：硕士

我国债券市场发展早期的阶段,市场上一直存在着“刚性兑付”的隐性规则,但当2014年“11超日债”发生违约后,我国债券的“零违约”成为历史,尤其是近几年来,我国产业结构调整,国内外政治经济局势动荡,再加之2020年以来的新冠疫情的影响,... 详细信息

我国债券市场发展早期的阶段,市场上一直存在着“刚性兑付”的隐性规则,但当2014年“11超日债”发生违约后,我国债券的“零违约”成为历史,尤其是近几年来,我国产业结构调整,国内外政治经济局势动荡,再加之2020年以来的新冠疫情的影响,不仅仅一般信用债屡屡违约,像永煤、华晨这类高评级国企的债券违约也屡见不鲜。尤其在2021年,国企信用风险加速释放,新增违约主体占比国企首次超越民营企业跃居首位,引发了市场的担忧。在债券违约风险加速暴露的背景下,我国对债券的风险识别、债券市场的监管一直饱受争议。传统的债券风险识别常使用债券发行时的相关信息以及其发行主体的财务信息,近年来也有学者在此基础上进一步考虑到金融系统中各个企业间的关联性,引入复杂网络的视角来描绘风险在发债主体间的传染。但由于发债主体与债券之间一对多的关系,以及不同债券的规模、种类、期限的不同,这就导致仅基于发债主体粒度的复杂网络难以准确描绘具体债券的风险。为了更好的识别信用债的违约风险,本文在异质信息网络技术的基础上,利用债券与发行主体之间的发行关系以及债券发行主体之间的股东关系,设计构建了一个带有多种节点关系的带权异质信息网络,并在此网络的基础上挖掘出反映风险传染、节点间复杂关联关系的相关特征。本文针对信用债数据正负样本不平衡的情况,在Imbalance-Xgboost算法的基础上,提出了Optuna-Imbalance-Xgboost算法,再结合本文提出的异质信息网络和相关特征,有效提升了对信用债违约的识别能力。根据现有的文献以及相关研究,本文选取了债券发行的基本信息指标4个以及T-1年发行公司的财务指标15个,并从异质信息网络中提取网络特征5个,利用2017-2021年信用债的真实数据,本文首先在随机森林、Xgboost算法框架下训练测试模型,结合模型评价指标以及特征重要性验证本文所建立的网络和相关特征的有效性。进一步,本文在债券的基本指标、财务指标和网络指标的基础上,比较了 Xgboost模型、Imbalance-Xgboost模型以及Optuna-Imbalance-Xgboost模型,以验证本文提出的模型的有效性。最后,结合SHAP可解释方法增强Optuna-Imbalance-Xgboost的可解释性,并从特征对违约概率的贡献的角度验证异质信息网络对违约识别的有效性。通过理论和实证研究,本文得到如下结论:(1)本文设计建立的异质信息网络对信用债违约识别有正向影响,从网络中提取的特征显著的提升了信用债违约风险预测模型的模型表现。(2)本文提出的Optuna-Imbalance-Xgboost算法相比于Xgboost算法能够显著的提升债券违约识别模型的性能。(3)由特征重要性和SHAP可解释性分析可知,网络特征虽然能够为债券违约识别起到重要贡献,但传统的财务特征识别信用债券违约的重要指标。

关键词：信用债券违约风险异质信息网络机器学习 Imbalance-Xgboost

一种面向合作关系的异质信息网络链路预测方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种面向合作关系的异质信息网络链路预测方法

作者：郭晨阳哈尔滨工程大学

学位级别：硕士

大数据时代使得现实中的网络结构更复杂信息更丰富,作为数据挖掘领域的重要研究方向,链路预测问题的研究对象开始从同质信息网络转向异质信息网络。面向合作关系的异质信息网络链路预测通过综合利用网络中丰富的信息,提高合作关系链路... 详细信息

大数据时代使得现实中的网络结构更复杂信息更丰富,作为数据挖掘领域的重要研究方向,链路预测问题的研究对象开始从同质信息网络转向异质信息网络。面向合作关系的异质信息网络链路预测通过综合利用网络中丰富的信息,提高合作关系链路预测的精确度和预测效率,为现实中各个领域的合作关系建立提供有价值的指导,具有重大的研究意义。现有的合作关系预测方法多是针对特定网络的,未能充分利用异质网络的丰富语义和合作关系的时效性,预测算法性能不佳。本文提出一种面向合作关系的异质信息网络链路预测方法MRF,基于异质信息网络的元路径,从特征提取与分类算法两个角度改进现有监督学习预测算法。首先根据合作网络的模式利用深度优先搜索得到用户对之间所有元路径的实例,将异质信息网络中用户节点对的元路径特征作为机器学习样本数据的属性,在元路径拓扑特征的基础上考虑基于链路熵的链接概率分数改进元路径综合特征。同时针对合作关系的时效性,将用户节点对的时效性特征用户对阶段性活跃度也作为样本属性。然后结合集成学习的思想,使用改进的随机森林分类算法构建预测模型,通过基于快速聚类的欠采样方法解决合作关系样本的类不平衡问题。调整随机森林参数,在提高预测精确度的同时减少算法运行时间。为评估预测方法性能,本文选择DBLP、Movielens、豆瓣电影数据三个真实的合作关系异质信息网络数据集,从AUC、正确率Accuracy、精确度Precision和召回率Recall四种评价指标的角度,实验对比本文方法与现有的异质信息网络链路预测方法。结果显示,本文提出的面向合作关系的异质信息网络链路预测方法准确度更高。

关键词：异质信息网络链路预测元路径随机森林

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质信息网络表示学习的推荐算法研究

基于异质信息网络表示学习的推荐算法研究

作者：马宁大连海事大学

学位级别：硕士

随着网络技术的快速发展和网络信息规模的爆炸式增长,推荐系统可以被看作成一种高质量的信息过滤器,用来将用户和资源相匹配,大部分的网络平台或社交媒体都拥有着特有的个性化推荐系统。最新的推荐系统利用了多种多样的辅助数据,可以缓... 详细信息

随着网络技术的快速发展和网络信息规模的爆炸式增长,推荐系统可以被看作成一种高质量的信息过滤器,用来将用户和资源相匹配,大部分的网络平台或社交媒体都拥有着特有的个性化推荐系统。最新的推荐系统利用了多种多样的辅助数据,可以缓解传统推荐算法存在的数据稀疏和冷启动问题并提高推荐性能,但这类数据常伴有大量不利于推荐的噪声数据。同时,在推荐系统中对这些异质的数据信息和它们之间复杂的关系信息进行建模和利用是非常困难的。在此基础上,大量的推荐研究始终将推荐算法准确性的提升作为主要目标,推荐目标单一。因此,现有的推荐算法面临存在大量噪声数据阻碍推荐、建模用户偏好的精准度不足、推荐目标缺乏多样化等问题。面对这些问题,本文基于异质信息网络(HIN)表示学习推荐算法,首先提出异质社交影响协同去噪注意神经网络(HSCD),致力于提升推荐算法的准确性。同时,本文还提出了一个异质图卷积协同过滤对抗(GCAD)的多样化推荐算法模型,致力于提升推荐算法的多样化。(1)本文的研究一提出了一种异质社交影响协同去噪注意神经网络(HSCD)解决方案。为了充分利用HIN中低阶和高阶结构的语义信息,HSCD模型通过特征聚合函数学习用户和项目嵌入表示,并利用双重注意力机制整合并捕捉了不同类型的社交影响力。同时,研究一采用了自适应去噪训练策略,在训练过程中自适应地识别和修剪噪声干扰,以提高推荐的效率。在真实数据集上的实验表明,研究一提出的HSCD模型的性能较之其他方法具有显著优势。(2)本文的研究二对比分析了现有的和最新的多样化算法。针对存在的问题,提出了一个异质图卷积协同过滤对抗(GCAD)的多样化推荐算法模型。在本研究的工作中,主要目标是基于推荐模型准确性相对稳定的情况下,有效提升推荐项目的类别多样化。首先,使用图卷积模块对HIN中的边分解,采用异质图卷积协同过滤方法,对用户偏好的潜在影响成分进行建模、分解、组合等过程,更深层次地挖掘用户偏好,有效保证了模型的准确性及可解释性。其次,GCAD模型采用了类别增强的负采样策略和对抗学习模块,可以提高那些相关但为消极项目的采样概率并学习嵌入空间中的隐式类别偏好,以提供更多样化的推荐结果。最后,通过利用三个真实数据集进行多组实验,证明了本研究提出的GCAD模型的有效性。

关键词：异质信息网络网络表示学习推荐算法深度学习多样化推荐

基于异质信息网络的Android恶意软件快速检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质信息网络的Android恶意软件快速检测方法研究

作者：任熙璇电子科技大学

学位级别：硕士

随着移动互联网的快速发展,Android设备成为了黑客攻击的主要目标,恶意软件数量也在不断增加。现有的安卓恶意软件检测技术多数基于特征提取的方法,包括静态特征(如API调用序列、权限信息等)、动态特征(如日志、流量等)以及混合特征等... 详细信息

随着移动互联网的快速发展,Android设备成为了黑客攻击的主要目标,恶意软件数量也在不断增加。现有的安卓恶意软件检测技术多数基于特征提取的方法,包括静态特征(如API调用序列、权限信息等)、动态特征(如日志、流量等)以及混合特征等。传统的检测方法往往只提取如权限特征,API调用等独立的特征信息,对特征间可能存在的语义信息关注较少。并且现有的检测方案将更多的重点只放在了Android软件在Java层的代码行为中,对涉及到native代码层的恶意行为的识别率很低。针对上述问题,本文提出一种基于异质信息网络并结合native层代码特征的Android恶意软件快速检测方法,并针对节点与异质图之间不同的关系使用不同的检测模型——对于异质图内节点利用基于双层注意力机制的异质图深度神经网络进行检测,对于图外节点利用相似度算法进行检测,从而在不重构异质图的前提下完成检测,大幅度提高了检测效率。实验证明本方法对于恶意软件检测的准确率达到了98.4%,同时将平均检测时间控制到了6ms以内,并通过对比实验证明本文提出的方法兼具高检测准确性以及高检测效率的优点。本文的创新点总结如下:1.本文从APK文件中有效的提取到了跨层特征,有效弥补了之前研究对于native代码层的忽略,丰富了Android软件的特征信息量,可以检测出包含native层恶意行为的Android恶意软件,扩大了Android恶意软件检测的范围。2.本文构建出一种异质信息网络结构,包含APK文件、权限、Java层API调用与native层API调用四种实体,APK对两种API的调用关系,APK对权限的包含关系,API对权限的映射关系以及Java层API之间的出现关系四种实体关系。通过此结构可以更好地表征Android软件的特征并且挖掘特征间更深层的语义信息。3.本文设计使用不同学习算法模型来完成对于Android软件的检测,提高了检测效率。首先使用异质图深度神经网络对异质图进行处理,完成对图内的Android软件节点的检测。同时设计使用了相似度检测算法完成对异质图外节点的快速检测。

关键词：异质信息网络安卓恶意软件检测 Native层API 异质图注意力神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于霍克斯过程的时序异质信息网络嵌入研究

基于霍克斯过程的时序异质信息网络嵌入研究

作者：史瑞泽华中科技大学

学位级别：硕士

异质信息网络是一种由不同类型的节点和边组成的网络,每种类型的节点和边都具有不同的含义,异质信息网络嵌入的目标是将网络中的多种类型的节点和边映射到一个低维空间中,并保留网络的结构和语义。近年来,由于异质信息网络嵌入的优异性... 详细信息

异质信息网络是一种由不同类型的节点和边组成的网络,每种类型的节点和边都具有不同的含义,异质信息网络嵌入的目标是将网络中的多种类型的节点和边映射到一个低维空间中,并保留网络的结构和语义。近年来,由于异质信息网络嵌入的优异性能,它已成功应用于许多现实任务。然而,以往的研究大都关注于静态异质信息网络,或将时序异质信息网络按照时间戳进行离散化处理,无法完全捕捉异质信息网络的动态演化过程,这降低了异质信息网络嵌入的实际应用价值。因此,基于霍克斯过程的时序异质信息网络嵌入算法(THINE算法)被提出,用于建模时序异质信息网络的演化过程、保留其中的全部动态信息。THINE算法首先利用基于元路径的随机游走理解异质信息网络中的静态结构和静态语义,进而结合霍克斯过程对网络的时序演化过程进行模拟,并建模了历史事件的衰减效应,以维护网络中不断变化的动态信息。此外,为了适应多种下游任务,THINE算法还应用了语义级别和结构级别的注意力机制,其中一个用于捕捉不同元路径的语义,另一个则区分了不同邻居节点的距离。因此,THINE算法能够考虑异质信息网络演化过程中的所有时序信息,并获得多类型节点之间的影响,有助于理解和分析现实世界中的时序异质信息网络。在三个真实世界的时序异质信息网络上的广泛评估表明,THINE算法在两个静态任务(节点分类、链接预测)和一个动态任务(时序链接推荐)中的表现都优于以往的基线方法(Dy HNE、MAGNN等),且性能提升高达25%,这证明了THINE算法可以有效地理解和处理现实中的异质数据。

关键词：网络嵌入异质信息网络异质图时序网络