检索结果-南通市图书馆

面向属性异构信息网络的近似社区查询算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向属性异构信息网络的近似社区查询算法研究

作者：曾鑫俊杭州电子科技大学

学位级别：硕士

属性异构信息网络广泛存在于现实生活中,如大规模学术网络、生物信息网络、社交网络等。如何在属性异构信息网络中挖掘具有紧密关联关系的社区,即社区查询问题,能有效支持各类上层应用,已受到学术界广泛关注。现有社区查询工作大多针对... 详细信息

属性异构信息网络广泛存在于现实生活中,如大规模学术网络、生物信息网络、社交网络等。如何在属性异构信息网络中挖掘具有紧密关联关系的社区,即社区查询问题,能有效支持各类上层应用,已受到学术界广泛关注。现有社区查询工作大多针对同构网络开展,而对属性异构信息网络的社区查询工作则刚刚起步,且面临以下挑战:1)鉴于网络结构的差异,面向同构网络的社区查询算法无法直接应用于属性异构信息网络。此外,属性异构信息网络中社区的紧密度往往由结构紧密度和属性紧密度共同约束,亟需设计一个考虑结构紧密度和属性紧密度的属性异构信息网络社区查询问题。2)针对属性异构信息网络的精确算法耗时较长,查询效率低下,很难应用于现实场景中,亟需提出一种近似社区查询算法,在保证社区查询精度的同时提高查询效率。针对上述两个挑战,本文以属性异构信息网络为研究对象,综合考虑属性紧密度约束和结构紧密度约束,开展社区查询研究工作,主要研究内容包含以下四个方面:(1)属性异构信息网络社区查询问题定义及精确算法。针对挑战1,首先提出一种考虑结构紧密度和属性紧密度两种约束的属性异构信息网络社区查询问题,分析其计算复杂度并证明其为NP-hard问题。然后,提出一种精确算法寻找全局最优解,可为后续近似查询算法研究提供实验基线。(2)面向属性异构信息网络的近似社区查询算法。针对挑战2,首先提出一种基于贪婪搜索的近似社区查询算法框架,通过减少精确算法中的状态搜索空间优化查询性能。在此框架下,提出一种基于最小化节点贡献度删除策略的社区查询算法以获得近似社区查询结果。然后,提出一种基于批量删除策略的社区查询算法以及带保护批量删除策略的社区查询算法,进一步优化查询性能。(3)基于近邻图索引的高效社区查询算法。设计一种基于社区紧密度的近邻图索引,并将其应用于上述近似社区查询算法,通过返回属性相似的候选节点构建初始社区,以大幅缩小社区搜索空间,进一步提高查询效率。(4)面向属性异构信息网络的社区查询系统。根据上述研究成果开发实现面向属性异构信息网络的社区查询系统,主要分为三个模块:数据预处理模块、索引构建模块以及在线查询模块。通过上述研究可以使得属性异构信息网络上的社区查询更高效,更好地应用于活动策划、社会营销等场景。

关键词：属性异构信息网络社区查询元路径贪婪搜索近邻图索引

基于异质数据融合学习的在线问答社区欺诈检测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质数据融合学习的在线问答社区欺诈检测研究

作者：许明铭南京财经大学

学位级别：硕士

在线社区问答(Community Question Answering,CQA)网站已经吸引了众多参与者在互联网上分享知识和获取信息,成为广受大众欢迎的交流平台。然而,随着众包系统的快速发展,许多恶意用户利用众包平台组织针对CQA网站的共谋攻击,参与任务的... 详细信息

在线社区问答(Community Question Answering,CQA)网站已经吸引了众多参与者在互联网上分享知识和获取信息,成为广受大众欢迎的交流平台。然而,随着众包系统的快速发展,许多恶意用户利用众包平台组织针对CQA网站的共谋攻击,参与任务的账号通过发布诱导性问题和欺诈性答案,推广他们的目标(产品或服务)。通过这些众包任务,可以完全操纵问答内容,并聚合成多个合谋问答(Q&As)欺诈群组,从而控制用户的情感倾向,左右用户的决策,进而影响CQA社区问答的整体环境,使其公信度大大降低。有关识别CQA欺诈内容的工作已有大量研究,其中大多数方法提取问答文本信息及其发布者用户的行为特征,使用二元分类器来检测识别欺诈问答和正常问答。总的来说,这些方法几乎都基于这样的假设,即问题与答案彼此不相关,可以独立地检测识别。然而,真实在线社区问答并不是独立出现的,很多问答是在众包任务驱动下发布的,彼此之间具有关联性,且欺诈特征并不明显,使得以往的研究工作针对这些合谋性质的欺诈性问答的检测性能效果不佳。为了应对这些挑战,本文提出了一个基于异质数据融合学习的在线问答社区欺诈检测框架(Spam Detection Framework based on Heterogeneous Data Aggregation Learning in CQA,SDHDAL)。具体地,本文深入研究了众包任务的活动流程,总结了合谋攻击的欺诈模式,将其建模为问答中关键词的共现,然后使用余弦模式挖掘的方式来提取欺诈模式及问答群组。在此基础上,从个体和群体两个层面提取高区分度的问答属性,并建立问答之间直接和间接的依赖关系,然后将问题、答案、属性、依赖关系建模为属性异构信息网络(Attributed Heterogeneous Information Network,AHIN)。其次,利用集体分类(Collective Classification)思想,提出一种AHIN上的迭代式检测算法,该算法基于有标签问答,融合问答特征以及依赖关系问答的标签属性,对无标签问答进行标签预测、迭代更新及分类操作。最后,利用百度知道(Baidu Zhidao)收集的真实问答数据集,对提出的SDHDAL方法进行了性能评估,实验结果表明该方法对于合谋欺诈性问答检测是有效的,准确性Precision方面高达88.5%,综合指标F1-Measure方面达到87%,并且优于许多已有方法。

关键词：在线社区问答欺诈检测异质数据融合学习属性异构信息网络集体分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合多类型辅助信息的网络欺凌检测

融合多类型辅助信息的网络欺凌检测

作者：赵泽华重庆大学

学位级别：硕士

近些年来,在线社交平台逐渐成为人们日常生活中不可分割的重要组成部分。然而,在社交平台带给人们便利的同时,平台中的欺凌言论也严重影响着人们的心理健康。如何准确高效的从社交平台言论中检测出欺凌言论具有重要研究意义。目前相关... 详细信息

近些年来,在线社交平台逐渐成为人们日常生活中不可分割的重要组成部分。然而,在社交平台带给人们便利的同时,平台中的欺凌言论也严重影响着人们的心理健康。如何准确高效的从社交平台言论中检测出欺凌言论具有重要研究意义。目前相关的研究主要分为两类,基于文本信息的欺凌检测和融合辅助信息的欺凌检测。前者仅依靠文本特征对言论进行检测,然而网络言论“噪声多,缺乏上下文”的特点给文本特征提取带来困难,导致该类算法无法取得较好的检测效果。为解决这个问题,后者将文本情感信息、用户属性信息、多模态信息和社交平台元信息等作为辅助信息,以补充上下文、提高检测准确率。通过对相关研究工作进行分析,发现目前的检测方法仍存在以下几个问题。问题一:文本特征提取方法难以准确地表示欺凌文本中的“不良文本变体词”。问题二:多数辅助信息具有局限性,导致融合辅助信息的欺凌检测方法适用场景受限。问题三:辅助信息的辅助效果与其特征提取手段紧密相关,需要有效地对辅助信息进行表示学习。本文从以上三个问题出发对欺凌检测算法进行分析研究,主要贡献如下:首先,本文阐述了网络欺凌检测的研究背景,并对研究现状和相关技术进行了详细分析。其次,基于对真实数据集的分析,针对以上问题提出两个欺凌文本检测算法:(1)基于原文情感特征的欺凌文本检测算法:该算法在文本特征的基础上,将原文情感特征作为辅助信息,对评论文本进行检测分析。特别的,针对问题一,提出一个基于局部敏感哈希的文本表示学习方法用于文本特征提取。该文本表示学习方法能够准确表示欺凌文本中的“不良文本变体词”且具有较高算法效率。(2)基于多类型辅助信息的欺凌文本检测算法:该算法在基于原文情感特征的欺凌文本检测算法的基础上,针对问题二,加入元信息作为第二类辅助信息,扩大检测算法适用场景。此外,针对问题三,提出一个基于属性异构信息网络的特征融合技术,高效地对多类型元信息进行融合及表示。最后,在真实数据集上进行了大量的实验,并验证了本文所提算法的有效性。

关键词：网络欺凌检测多类型辅助信息文本表示学习属性异构信息网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于网络表征学习的病人相似性研究

基于网络表征学习的病人相似性研究

作者：姜华辽宁科技大学

学位级别：硕士

随着医疗健康领域信息化进程的不断推进,形成了海量的医疗数据。这些医疗数据存储形式多样,如何从中挖掘出有价值的信息并应用于医疗健康领域成为研究的热点。近年来,网络表征学习在网络处理和分析等任务中验证了有效性。网络表征学习... 详细信息

随着医疗健康领域信息化进程的不断推进,形成了海量的医疗数据。这些医疗数据存储形式多样,如何从中挖掘出有价值的信息并应用于医疗健康领域成为研究的热点。近年来,网络表征学习在网络处理和分析等任务中验证了有效性。网络表征学习被广泛应用在医疗数据分析如疾病风险预测、药物相互关系预测等。病人相似性是根据病人相关的医疗记录学习一个在临床上有意义的度量标准来度量病人对间的相似性。它是改善医疗服务、精准医疗的一个重要基础与支撑。相比较于传统的利用统计学方法或者机器学习方法进行病人相似性研究,基于网络表征学习的病人相似性方法可以有效地提高病人相似性度量的准确性。本文工作主要围绕网络表征学习解决病人相似性问题,具体研究工作如下:第一,时间敏感性是进行病人相似性研究的一个重要因素,可以提高病人相似性度量的准确性,而现有的研究中往往忽略了医疗实体的时间上下文。针对这个问题,本文提出了一个基于网络表征学习的时间感知的病人相似性框架T-PS,该框架将网络表征学习应用在病人相似性问题研究中,充分考虑了医疗实体的时间敏感性。该框架首先从EHRs中提取病人相关医疗实体信息,创建了基于时间感知的医疗实体关联图,利用网络表征学习算法学习图中的拓扑结构信息,得到医疗实体特征向量表示。然后利用医疗实体向量并结合时间衰变函数得到病人的向量表示。将学习到的病人向量输入到病人相似性函数中计算病人相似性。在真实ICU数据集MIMIC-III上进行大量的实验,实验结果表明了T-PS的准确性。第二,在进行医疗网络分析时,充分考虑目标网络中丰富的边关系以及节点的属性信息可以提高医疗网络中节点向量表示的准确性,然而现有的研究中往往忽略了网络中丰富的边关系以及节点的属性信息。针对这个问题,本文提出了一个基于医疗属性异构网络表征学习的病人相似性框架MAHIN-PS。该框架利用病人相关数据构建了一个医疗异构属性信息网络,在进行网络表征学习的过程中充分考虑了医疗属性异构信息网络中的拓扑结构和节点属性信息,将医疗属性异构信息网络中的所有节点映射到低维的向量空间,得到更准确的病人节点向量表示。将学习到的病人向量表示输入到病人相似性度量函数中,计算病人相似性。在真实ICU数据集MIMIC-III上进行大量实验,实验结果表明了MAHIN-PS在病人相似性研究的有效性。

关键词：病人相似性网络表征学习同构信息网络属性异构信息网络

基于网络分布式表示学习的个性化推荐算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于网络分布式表示学习的个性化推荐算法研究

作者：王宏琳辽宁科技大学

学位级别：硕士

个性化推荐算法是解决信息超载问题的有效方法,网络分布式表示学习由于其捕获网络节点间潜在联系和学习节点表示的优越性能成为研究个性化推荐算法的热门方向。如何挖掘并有效利用推荐网络中的各种信息是提升基于网络分布式表示学习的... 详细信息

个性化推荐算法是解决信息超载问题的有效方法,网络分布式表示学习由于其捕获网络节点间潜在联系和学习节点表示的优越性能成为研究个性化推荐算法的热门方向。如何挖掘并有效利用推荐网络中的各种信息是提升基于网络分布式表示学习的个性化推荐算法性能的关键。现有的基于网络分布式表示学习的个性化推荐算法大多更关注于网络的结构信息,往往忽略了网络节点上丰富的属性信息以及与节点相关联的非结构文本信息所蕴含的丰富语义。为了解决上述问题,本文对基于网络分布式表示学习的个性化推荐算法进行了深入研究,通过引入节点的属性信息与文本信息对推荐网络中的数据进行更完整地建模,学习更准确地用户分布式表示与项目分布式表示。同时,引入深度神经网络学习更有效的匹配函数解决推荐问题,从而提升推荐性能。具体的研究工作如下:第一,现实中的网络不仅包括多种类型的节点与边,每个节点还包含丰富的属性信息。然而现有的基于网络分布式表示学习的个性化推荐算法不仅忽略了节点的属性信息与节点间多种类型的边关系,还忽略了节点不同的属性信息与不同边关系对推荐结果产生不同的影响。针对上述问题,本文提出一个自注意力机制的属性异构信息网络表示学习的个性化推荐框架AHNER,利用属性异构信息网络表示学习学习用户与项目统一、低维的分布式表示。并在学习节点分布式表示时,考虑不同边关系反映用户对项目不同程度的偏好和不同属性信息对推荐结果的影响不同,引入自注意力机制挖掘不同边关系与节点属性信息所蕴含的潜在信息并学习属性分布式表示。通过引入属性信息学习更准确有效地节点分布式表示,从而提升个性化推荐算法的性能。第二,现实中的网络除了节点的属性信息,还包含不同信息来源的文本信息。但是现有的基于网络分布式表示学习的个性化推荐算法不仅忽略了节点文本信息所蕴含的丰富的语义信息与潜在联系,也较少联合考虑推荐网络中节点的属性信息与节点相关联的非结构文本信息。针对上述问题,本文提出一个融合文本信息的属性异构信息网络表示学习的个性化推荐框架FTNLR,通过引入文本挖掘技术Bert来捕获节点文本信息中所蕴含的丰富语义信息并学习节点的文本向量表示。然后通过内容转换层将节点属性信息与节点文本信息映射到同一个潜在空间并学习节点初始表示。最后聚合邻居节点的信息学习节点分布式表示。通过在属性异构信息网络中融合节点文本信息学习更有效的、统一的、低维的用户分布式表示与项目分布式表示,提升推荐性能。

关键词：个性化推荐算法网络分布式表示学习图神经网络属性异构信息网络