检索结果-南通市图书馆

检索条件"主题词=图相似度匹配"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

图相似度匹配技术研究与实现

图相似度匹配技术研究与实现

引用

作者：张恒运西安电子科技大学

学位级别：硕士

这几年,深度学习技术的快速发展推动了计算机视觉的发展,特别是深度图神经网络相关工作的相继提出,涌现出了更多的图相关的任务。图是一种由节点和边构成的具有丰富结构的数据,图神经网络可以有效地表示节点和边,能够生成节点嵌入向量... 详细信息

这几年,深度学习技术的快速发展推动了计算机视觉的发展,特别是深度图神经网络相关工作的相继提出,涌现出了更多的图相关的任务。图是一种由节点和边构成的具有丰富结构的数据,图神经网络可以有效地表示节点和边,能够生成节点嵌入向量和图嵌入向量。在图相关的任务中,图相似度匹配问题一直是研究者们关心的问题,特别是图相似性检索任务,其核心就是图相似性研究。图匹配的目标是围绕两个图的节点建立彼此的对应关系,这是一个经典的组合问题,通常是NP-hard问题。在传统的图相似性检索任务中大多数使用图编辑距离、最大公共子图和图同构计算图形之间的相似性,但是真实场景下大多是大型图,使用这些算法的效率都不是很高。为了解决这一问题,出现了基于图神经网络的图嵌入模型和图匹配模型。在图形相似性检索任务的基础上,结合图嵌入模型和图匹配模型以及现阶段先进的深度学习技术,本文提出了两个图相似度匹配算法,从而解决图形相似检索任务中不同阶段的图相似性计算问题并提升图形匹配的效率。本文在图嵌入模型和图匹配模型的基础上提出一种基于注意力机制的图相似度算法,算法综合了两种模型的优势,在衡量两个图形的相似性时既考虑了图整体之间的交互,也考虑了节点与节点之间的交互信息,两种方式形成互补,更全面地计算图形之间的相似度。同时,在生成图嵌入向量时采用注意力机制聚合邻居节点的信息。特别地,该算法的优势是在计算两图的相似度时采用的是基于多种维度的图嵌入向量和节点嵌入向量,它们可以弥补在图卷积的过程中因网络层的迭代而造成的特征的损失。由于在算法中融入了图形局部结构的交互信息,因此该算法属于图匹配模型,仅适用于小规模的数据集或者图结构较简单的小型图。考虑到图检索任务一般分为两个阶段,推理阶段和精确匹配阶段,上述算法从整体上看属于一种精确匹配算法。因此,为了适应图检索任务,本文提出一种基于图池化的图相似度算法,算法在图嵌入模型的基础上融入了数据预处理模块和图池化模块。该算法的优势是在数据预处理阶段按照固定的比例随机删除边以增加数据的多样性。同时,为了减少模型计算的压力,提出一种基于图结构的图池化算法,依据节点在图中的重要性得分排序来筛选关键节点,这种池化方式可以保留图数据的重要结构并减少网络的参数。该算法属于一种图嵌入模型,仅从图全局结构计算两个图的相似度,可以适用于大规模的数据集或者图结构复杂的大型图。在实验部分,本文首先在Linux、IMDB两个数据集上验证了基于注意力机制的图相似度算法的有效性,然后在IMDB数据集上验证基于图池化的图相似度算法的有效性。通过和现有算法对比,两种算法都表现出了非常好的性能和效率。同时,通过消融实验也验证了两个算法各个模块的有效性,实验效果都有明显的提升。

关键词：图图神经网络图嵌入图相似度匹配

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：