检索结果-南通市图书馆

异质网络中基于关键词属性的Truss社区搜索

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2023年第6期40卷 1708-1714页

作者：杨成波周丽华黄亚群杨宇迪云南大学信息学院昆明650500 云南大学滇池学院昆明650228

社区搜索旨在信息网络中寻找与用户指定的查询节点高度相关的稠密连通子图,是社会网络分析的重要研究内容。现有的社区搜索方法大多是针对同质网络,但现实中的信息网络通常是包含多种节点类型和多种关系类型的属性异质网络。提出了异质... 详细信息

社区搜索旨在信息网络中寻找与用户指定的查询节点高度相关的稠密连通子图,是社会网络分析的重要研究内容。现有的社区搜索方法大多是针对同质网络,但现实中的信息网络通常是包含多种节点类型和多种关系类型的属性异质网络。提出了异质网络中基于元路径P和元结构S的P-距离和S-距离及(k,d,P)-truss和(k,d,S)-truss社区模型以度量子图的结构内聚性,同时提出了关键词属性得分函数用于度量不同子图的关键词属性相关性,最后提出了搜索具有最高关键词属性得分的(k,d,P)-truss和(k,d,S)-truss的社区搜索算法。搜索算法能够找到同时具有结构内聚性和关键词属性相关性的个性化社区,并且支持限制查询节点与社区内任意节点的最大距离d来控制社区搜索的范围。在真实数据集上与相关的社区搜索算法进行了实验对比,结果证明了所提算法的有效性和可行性。

关键词：异质网络 Truss 社区搜索关键词属性元路径元结构

在线全文

学校读者我要写书评

暂无评论

异质网络中基于节点影响力的相似度度量方法

电子学报 2019年第9期47卷 1929-1936页

作者：刘露胡封晔牛亮彭涛吉林大学软件学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 吉林大学计算机科学与技术学院吉林长春130012 吉林大学通信工程学院吉林长春130012 吉林大学第一医院吉林长春130012

异质网络相似度学习,即分析两个不同类型对象间的相关程度.不同类型对象在异质网络中的重要程度不同,它们在相似度学习过程中的发挥的作用也不同.针对异质网络,提出了一种基于节点影响力的相似度度量方法NISim,该模型既考虑了网络中的... 详细信息

异质网络相似度学习,即分析两个不同类型对象间的相关程度.不同类型对象在异质网络中的重要程度不同,它们在相似度学习过程中的发挥的作用也不同.针对异质网络,提出了一种基于节点影响力的相似度度量方法NISim,该模型既考虑了网络中的链接结构,也保留了网络中的语义信息,同时区分不同类型节点对异质网络的作用.在异质信息网络环境下,通过启发式规则区分并量化不同类型节点的影响力权值,并结合网络链接结构和节点间语义关系,解决了提高相似度学习准确性的问题.实验结果表明,该方法能够有效地对异质信息网络不同类型节点进行相似度度量,可以应用在网络搜索、推荐系统以及知识图谱构建等不同领域.

关键词：数据挖掘异质网络推荐系统知识图谱网络搜索节点影响力链接结构语义关系

在线全文

学校读者我要写书评

暂无评论

异质网络节点表示学习算法研究及应用

异质网络节点表示学习算法研究及应用

作者：陈辉南京理工大学

学位级别：硕士

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... 详细信息

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。

关键词：异质网络边类型感知邻域聚合链接偏好性虚假新闻检测

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

基于图卷积的异质网络节点分类方法

计算机研究与发展 2022年第7期59卷 1470-1485页

作者：谢小杰梁英王梓森刘政君中国科学院计算技术研究所泛在计算系统研究中心北京100190 中国科学院大学计算机科学与技术学院北京100049 移动计算与新型终端北京市重点实验室(中国科学院计算技术研究所) 北京100190

图神经网络能够有效学习网络语义信息,在节点分类任务上取得了良好的效果.但仍面临挑战:如何充分利用异质网络丰富语义信息和全面结构信息使节点分类更精准.针对上述问题,提出了一种基于图卷积的异质网络节点分类框架(heterogeneous net... 详细信息

图神经网络能够有效学习网络语义信息,在节点分类任务上取得了良好的效果.但仍面临挑战:如何充分利用异质网络丰富语义信息和全面结构信息使节点分类更精准.针对上述问题,提出了一种基于图卷积的异质网络节点分类框架(heterogeneous network node classification framework, HNNCF),包括异质网络约简和图卷积节点分类,解决异质网络节点分类问题.通过设计转换规则约简异质网络,将异质网络化简为语义化同质网络,利用节点间的关系表示保留异质网络多语义信息,降低网络结构建模复杂度;基于消息传递框架设计图卷积节点分类方法,在语义化同质网络上学习无1-sum约束的邻居权重等网络结构信息,深入挖掘关系语义特征,发现不同连接关系和邻居语义提取的差异性,生成节点的异质语义表示用于节点分类,识别节点类别标签.在3个公开的节点分类数据集上进行了实验,结果表明HNNCF能够充分利用异质网络多种语义信息,有效学习邻居节点权重等网络结构信息,提升节点分类效果.

关键词：异质网络图神经网络节点分类语义关系邻居权重

在线全文

学校读者我要写书评

暂无评论

隐马尔可夫模型的异质网络链接预测方法研究

通信学报 2022年第5期43卷 214-225页

作者：钱榕许建婷张克君董宏宇邢方远北京电子科技学院网络空间安全系北京100070 西安电子科技大学计算机科学与技术学院陕西西安710071

为了解决异质网络的结构信息和语义信息挖掘不全面的问题,针对异质网络的链接预测,提出了将基于元路径的分析方式与隐马尔可夫模型相结合的链接预测方法。考虑到聚簇可以有效地捕获异质网络的结构信息,将k-means算法进行改进得到基于距... 详细信息

为了解决异质网络的结构信息和语义信息挖掘不全面的问题,针对异质网络的链接预测,提出了将基于元路径的分析方式与隐马尔可夫模型相结合的链接预测方法。考虑到聚簇可以有效地捕获异质网络的结构信息,将k-means算法进行改进得到基于距离均方差最小的初始聚簇中心方法,并将其应用到隐马尔可夫模型(HMM)中,设计了基于聚簇的一阶隐马尔可夫模型(C-HMM(1))的链接预测方法,同时提出基于聚簇的二阶隐马尔可夫模型(C-HMM(2))的异质网络的链接预测方法。进一步考虑数据的特征信息,提出了将最大熵模型和二阶隐马尔可夫模型相结合的链接预测方法ME-HMM。实验结果表明,ME-HMM比C-HMM方法的链接预测精确度更高,且ME-HMM因充分考虑到数据的特征信息比C-HMM的性能更加优异。

关键词：异质网络链接预测隐马尔可夫模型聚簇最大熵

在线全文

学校读者我要写书评

暂无评论

异质网络实体关联表示学习方法的研究及应用

异质网络实体关联表示学习方法的研究及应用

作者：陈康华中科技大学

学位级别：硕士

网络通常指规模更为庞大而复杂的图,网络中包括各类具有丰富的属性特征的实体以及实体间的关联关系,异质网络是网络的一种。异质网络实体关联表示学习的核心是将网络中的节点进行有效的向量化表示,方便进行各类后续任务。对异质网络实... 详细信息

网络通常指规模更为庞大而复杂的图,网络中包括各类具有丰富的属性特征的实体以及实体间的关联关系,异质网络是网络的一种。异质网络实体关联表示学习的核心是将网络中的节点进行有效的向量化表示,方便进行各类后续任务。对异质网络实体关联表示学习进行研究,不仅有利于异质网络信息的理解和挖掘,同时有利于促进异质网络相关应用及动态异质网络的研究。基于图神经网络,针对现有模型进行了两方面改进和创新。不依赖于对网络进行同质化处理的方法大多只考虑到节点单独的异质性,难以进一步挖掘网络异质性,通过对异质网络中的边模式建模,可以同时考虑节点和边共同作用下的网络异质性,提出基于键值对注意力的图神经网络模型KAHN,可以对异质网络进行有效表示和处理;通过对现有解决问题的思路进行归纳分析,提出了组合式图神经网络框架CAN,通过组合不同的模型,可以同时对两类网络信息进行学习,增加了模型所能利用到的网络信息量。KAHN可作为CAN的实现模型,而CAN通过对异质性的进一步利用,能提高KAHN及同类模型的网络学习能力。通过在多个数据集下进行节点分类实验和分析,展示了 KAHN更好的分类效果,验证了 KAHN模型更好的表示学习能力,说明通过研究边模式下的异质性可以提高对网络信息的挖掘。组合基础模型构建的CAN相较基础模型具有更高的节点分类准确率,验证了 CAN框架对模型的性能提升效果,可见两类信息可以进行互补,同时说明元路径下的信息增强确实可以带来网络学习能力上的提升。

关键词：关联表示学习异质网络图神经网络节点分类元路径

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

异质网络社区发现方法研究综述

河北科技大学学报 2021年第3期42卷 231-240页

作者：周万珍宋健许云峰河北科技大学信息科学与工程学院河北石家庄050018

社区结构是复杂网络研究中的重要领域,也是复杂网络的重要特征之一,发现网络中的社区结构在理解网络功能方面起着重要作用。通过对国内外异质网络社区发现文献进行深入研究,较为全面地对现有异质网络社区发现算法进行了归纳总结。首先,... 详细信息

社区结构是复杂网络研究中的重要领域,也是复杂网络的重要特征之一,发现网络中的社区结构在理解网络功能方面起着重要作用。通过对国内外异质网络社区发现文献进行深入研究,较为全面地对现有异质网络社区发现算法进行了归纳总结。首先,通过对国内外异质网络社区发现文献进行归纳,给出异质网络社区发现的基本概述,明确异质网络社区发现领域相关问题的基本定义。其次,介绍了异质网络社区发现算法及主要评价指标,利用不同网络结构以及算法对现有方法进行分类概述。最后,对异质网络社区发现算法的发展趋势进行了总结与展望,提出未来可以将研究重点集中在以下几个方面:1)探索基于异质网络的社区发现评价标准,以推动该领域的快速发展;2)设计更加通用的算法模型,解决由先验知识引起的未知社区数量问题;3)开展更多关于动态网络的研究。

关键词：计算机神经网络复杂网络社区发现异质网络图神经网络

在线全文

学校读者我要写书评

暂无评论

基于异质网络表示学习的姓名消歧

模式识别与人工智能 2021年第6期34卷 485-496页

作者：唐正正洪学海汪洋李玉轩中国科学院计算机网络信息中心信息化发展战略与评估中心北京100190 中国科学院大学计算机科学与技术学院北京100049 中国科学院计算技术研究所信息技术战略研究中心北京100190

在系统中搜索某一姓名时,会返回该同名作者的所有文档(如论文、网页),严重影响用户体验,姓名消歧可提高检索精度.因此,文中提出基于异质网络表示学习的姓名消歧方法.首先为每个歧义姓名构造一个论文异质网络.然后使用异质网络表示学习... 详细信息

在系统中搜索某一姓名时,会返回该同名作者的所有文档(如论文、网页),严重影响用户体验,姓名消歧可提高检索精度.因此,文中提出基于异质网络表示学习的姓名消歧方法.首先为每个歧义姓名构造一个论文异质网络.然后使用异质网络表示学习并结合词向量化语义表征学习方法,获取网络中每个论文节点的表征向量.最后使用具有噪声的基于密度的聚类方法与规则匹配结合的聚类方法将论文划分给不同的作者实体.文中方法在OAG-WholsWho比赛数据集上的性能较优,结果验证方法的有效性.

关键词：姓名消歧异质网络词向量化(Word2Vec) 分类算法

异质网络上SIS传染病模型两种逼近方法的比较

在线全文

学校读者我要写书评

暂无评论

重庆理工大学学报（自然科学） 2021年第9期35卷 214-219页

作者：罗晓峰李星中北大学理学院太原030051 山西剑桥国际学校山西晋中030600

借助SIS传染病模型,比较异质网络上Keeling提出的异质对逼近与Kiss提出的超紧对逼近方法的精度;在2种逼近下,给出K+1维和三维SIS模型,通过模型基本再生数及模拟与误差比较,发现在不失准确性的情况下,超紧对逼近方法可以降低维数,会使SI... 详细信息

借助SIS传染病模型,比较异质网络上Keeling提出的异质对逼近与Kiss提出的超紧对逼近方法的精度;在2种逼近下,给出K+1维和三维SIS模型,通过模型基本再生数及模拟与误差比较,发现在不失准确性的情况下,超紧对逼近方法可以降低维数,会使SIS传染病模型包含更多的网络拓扑参数,这既利于数学分析又便于分析更多网络参数对传染病传播的影响。

关键词：异质网络对逼近网络传染病基本再生数