检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

异质网络环境下TCP性能改进机制研究

河南师范大学学报（自然科学版） 2009年第6期37卷 42-45页

作者：崔金玲门佳河南师范大学计算机与信息技术学院河南新乡453007

分析了异质网络环境的特点及其对传统TCP性能的影响,评价和比较了当前用于增强TCP性能的解决方案,最后指出了当前仍存在的问题和进一步的研究方向.

关键词：异质网络 TCP 性能改进拥塞控制

融合元路径和重叠社区划分的异质网络表示推荐算法研究

在线全文

学校读者我要写书评

暂无评论

融合元路径和重叠社区划分的异质网络表示推荐算法研究

作者：黄萌吉林大学

学位级别：硕士

随着互联网行业的蓬勃发展,一个平台能够始终保持对用户的吸引力并为之提供优质的网络服务质量成为对各个大互联网厂商的首要任务。推荐服务由于其可以帮助用户从大量的数据中挑选满足用户需求的数据信息,因此可以说是能够增强用户体验... 详细信息

随着互联网行业的蓬勃发展,一个平台能够始终保持对用户的吸引力并为之提供优质的网络服务质量成为对各个大互联网厂商的首要任务。推荐服务由于其可以帮助用户从大量的数据中挑选满足用户需求的数据信息,因此可以说是能够增强用户体验、并提升平台对用户黏性最重要的工具之一。早期的推荐系统是通过分析评分矩阵,利用用户与项目的隐特征表示进行推荐,由于其考虑因素片面,同时获取的数据信息常常过于稀疏,导致推荐的结果往往无法达到理想的效果。因此后续很多研究考虑在以往经典的模型中增加辅助信息以提高推荐结果。在真实的推荐系统中,用户与项目的交互动作(包括购买、收藏、评分),及用户与项目的属性信息的集合,可以看作是由不同含义的边及节点构成的网络,即异质信息网络。异质信息网络由于其可以表达复杂信息,在推荐系统中可以捕捉更加精准的特征表示,因此在推荐领域中受到越来越多的重视。多数基于异质网络的推荐模型都是先通过预设好的元路径提取节点的特征向量表示,然后对评分矩阵进行拟合实现评分预测。虽然现有的基于异构网络的方法在提升准确度方面已经有了一定的成效取,但大多数方法依然存在以下问题:(1)仅利用单一元路径提取节点信息,面临稀疏数据时无法得到节点的精准表示;(2)融合多条元路径信息时忽视了用户对于不同路径语义的偏好,造成复杂网络中节点表示不够精确;(3)在交互信息量庞大的密集数据集中,融合多条元路径信息容易引入噪声信息,造成节点偏好表示不准确;(4)基于异构网络的推荐容易过多的考虑节点之间偏向结构关联的表示,而忽视对包含具体语义的标签相似度信息。为了达到在海量数据构成的多关系网络中引入全面的结构信息进行精准推荐的目标,针对以上4个问题,本文完成了如下工作:1.针对问题(1)、(2)本文提出了融合元路径网络表示学习的推荐算法(A recommendation algorithm for representation learning based on meta path network),简称ME-Rec。我们发现用户对项目的评分偏好与元路径的隐特征表示有很强的关联,因此先利用随机游走策略获取基于不同元路径的节点序列,针对不同路径利用metapath2vec++算法学习用户与项目在统一维度空间的隐向量表示,然后基于注意力机制利用多层感知机MLP学习节点对于不同元路径的偏好权重,并计算出全局表示向量,最后结合矩阵因子分解的推荐模型,利用路径结构Hetesim相似度对评分矩阵分解出的隐因子向量进行约束,对项目评分进行预测。通过在两个被广泛使用的不同密度真实数据集Movielens和Amazons进行参数分析与对比实验,得到模型在不同密度数据集上性能最优时的参数设置,在对比实验中验证了该模型较传统矩阵分解和基于异质网络的推荐算法都有一定的提升,尤其是可以提高数据稀疏时的是预测精度。2.为了进一步解决在交互密度大的数据集中,融合多条元路径的推荐容易引入过多噪声的问题,也就是针对问题(3)、(4)本文提出了一个在多关系网络中融合网络重叠社区与标签相似度的推荐算法(A recommendation algorithm combining overlapping community partition and label similarity),简称CPLS-Rec。我们通过社团划分领域中的种子扩张与社区标签传递概念,对异质信息网络中的用户、项目节点分别进行聚类,根据网络结构信息划分重叠社区,同时引入标签相似度作为社交正则化约束,结合经典矩阵分解模型进行协同过滤推荐。我们发现该方法可以有效地根据用户的社会关系与拓扑结构挖掘出用户的社团归属,不仅降低了大规模数据集时的计算复杂度,还可以提高当用户项目交互信息稀疏时对用户偏好提取的准确度。通过在两个被广泛应用于融合社交网络的不同密度真实数据集Douban Movies和Yelp上进行了参数分析实验,得到模型在不同比例训练集下使性能达到最优时的参数设置,然后与其他同类型算法进行对比实验,证明该模型较经典基于社交网络的算法和基于异构网络的推荐算法都可以有较为优异的表现,可以提升对项目评分的准确度,尤其是在信息密度大的推荐环境中可以避免噪声数据带来的影响。

关键词：异质网络网络表示元路径重叠社区划分协同过滤推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于异质网络的账号分类研究

基于异质网络的账号分类研究

作者：阳铭宇电子科技大学

学位级别：硕士

推特（Twitter）作为现如今最受欢迎的社交系统之一,其用户量巨大,用户每天频繁地在推特上进行交互。因此,推特系统中包含着巨大的信息量,也越来越受到科研工作者们的关注和研究。本文的目的是对推特中的账号进行分类。现有研究中,大多... 详细信息

推特（Twitter）作为现如今最受欢迎的社交系统之一,其用户量巨大,用户每天频繁地在推特上进行交互。因此,推特系统中包含着巨大的信息量,也越来越受到科研工作者们的关注和研究。本文的目的是对推特中的账号进行分类。现有研究中,大多数只利用了账号的属性特征而忽视了网络特征或者只利用了简单的网络特征。而网络特征对于账号分类是很重要的。本文结合属性特征和复杂的网络特征,试图对账号进行分类。本文的主要工作概括如下:（1）基于推特社交网络,建立了一个属性异质网络（AHIN）。在推特社交网络系统中包含了各种不同类别的节点,如账号、推文、事件等,本文称之为异质节点。这些不同类别的节点又能够通过不同的社交关系有所联系,如用户发表推文、推文关联事件等。除此以外节点自身也蕴含了大量的特征属性信息,如账号的主页信息。基于这些复杂的社交关系以及节点属性,本文构建了一个属性异质网络。（2）基于属性异质网络（AHIN）,本文提出了一种名叫AHIN2vec的网络嵌入学习方法。基于元路径以及节点之间的属性相似度来进行随机跳跃,得到了账号的跳跃轨迹序列文本。然后再利用nlp中的处理方法,实现对账号节点的向量化,随后利用传统的机器学习方法对账号进行分类。实验结果证明,本文提出的方法效果要优于现阶段主流的其他几种网络表示学习方法。（3）基于图卷积网络（GCN）,提出一种名为multi-gcn的账号分类方法。由于gcn是针对同质网络图,所以本文利用各种元路径从AHIN中抽取出不同的single-view图,对每个single-view图利用gcn进行处理,然后再利用注意力机制对多个网络进行结合以得到最后的最终的分类结果。实验证明,该方法的分类结果精度高达88%。

关键词：推特异质网络图卷积网络元路径账号分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于弱关系的异质社交网络推荐

计算机工程与设计 2021年第6期42卷 1526-1534页

作者：荀亚玲毕慧敏张继福太原科技大学计算机科学与技术学院山西太原030024

针对基于“相似性”或深度信任的传统强关系推荐导致的推荐结果趋于同质性问题,利用弱关系丰富的语义信息和强大的信息传递能力,提出一种基于弱关系的异质社交网络推荐算法。借助用户间的信任值对因引入弱关系产生的大量用户节点进行筛... 详细信息

针对基于“相似性”或深度信任的传统强关系推荐导致的推荐结果趋于同质性问题,利用弱关系丰富的语义信息和强大的信息传递能力,提出一种基于弱关系的异质社交网络推荐算法。借助用户间的信任值对因引入弱关系产生的大量用户节点进行筛选,减少后续计算负载;充分利用网络中丰富的对象和关系信息,建立拓展的全关系用户-项目异质信息网络模型(UI-HIN),改善推荐的单一性与冗余性;利用最佳信任路径选择算法(BTP)对全关系UI-HIN路径搜索进行优化得到一组最佳信任路径。实验结果表明,该算法的推荐效果具有更好的针对性、新颖性和多样性。

关键词：弱关系推荐算法社交网络异质网络最佳信任路径

在线全文

学校读者我要写书评

暂无评论

多层异质复杂网络系统的能控性

自动化学报 2022年

作者：曹连谦王立夫孔芝郭戈东北大学秦皇岛分校控制工程学院

本文研究了节点状态为高维的多层复杂网络系统的能控性问题.讨论了节点的异质性、层间耦合、层内耦合对网络能控性的影响.发现当节点状态由同质变为异质,内耦合矩阵由相同变为不同,对网络能控性均有影响(网络既可由能控变为不能控,又可... 详细信息

本文研究了节点状态为高维的多层复杂网络系统的能控性问题.讨论了节点的异质性、层间耦合、层内耦合对网络能控性的影响.发现当节点状态由同质变为异质,内耦合矩阵由相同变为不同,对网络能控性均有影响(网络既可由能控变为不能控,又可由不能控变为能控);对层间耦合模式为驱动响应模式和相互依赖模式,分别给出了网络系统能控的充分条件或必要条件.相比于直接应用经典的能控性判据,这些条件更易于验证,且驱动响应模式比相互依赖模式实现系统完全能控所需的条件更弱.

关键词：网络能控性异质网络多层网络内耦合矩阵

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于异质网络的蜂拥控制研究

兵器装备工程学报 2019年第2期40卷 114-119页

作者：张金春丛凯王帅磊海军航空大学山东烟台264001

提出了异质影响半径的概念,对Olfati的人工势函数进行改造,使其能够应用于异质网络。研究了智能体的影响半径不同时对蜂拥控制网络的影响。研究结果表明:当智能体影响半径服从幂律分布时,随着幂律指数的减小,网络的异质性增强,也更容易... 详细信息

提出了异质影响半径的概念,对Olfati的人工势函数进行改造,使其能够应用于异质网络。研究了智能体的影响半径不同时对蜂拥控制网络的影响。研究结果表明:当智能体影响半径服从幂律分布时,随着幂律指数的减小,网络的异质性增强,也更容易达到蜂拥状态;当网络的异质性很强时,只需要通过控制极少数感知半径大的智能体,就可以很好地控制整个多智能体系统。

关键词：多智能体异质网络蜂拥控制幂律

在线全文

学校读者我要写书评

暂无评论

基于异质网络的意见领袖社区发现

电子学报 2012年第10期40卷 1927-1932页

作者：张伟哲王佰玲何慧谭卓鹏哈尔滨工业大学计算机科学与技术黑龙江哈尔滨150001

针对意见领袖社区发现问题,通过将论坛中主题及其回复关系建模为异质网络,准确表示社区结构.提出意见领袖社区影响力概念及其量化方法,在此基础上设计了一种基于异质网络的意见领袖社区发现算法.通过采集天涯论坛的大量数据,验证了该社... 详细信息

针对意见领袖社区发现问题,通过将论坛中主题及其回复关系建模为异质网络,准确表示社区结构.提出意见领袖社区影响力概念及其量化方法,在此基础上设计了一种基于异质网络的意见领袖社区发现算法.通过采集天涯论坛的大量数据,验证了该社区挖掘方案能够较准确地挖掘论坛中的意见领袖社区.

关键词：网络社区社区发现意见领袖异质网络

基于异质网络表征学习的miRNA-疾病关联预测

在线全文

学校读者我要写书评

暂无评论

基于异质网络表征学习的miRNA-疾病关联预测

作者：闫肖冬厦门大学

学位级别：硕士

MiRNA是一类由21～25个核苷酸组成的内源性非编码单链小分子RNA。大量研究表明,miRNA的异常表达与人类疾病的产生和发展有密切联系,发掘潜在的miRNA-疾病关联信息对于miRNA功能研究,致病机理分析和疾病治疗都具有重要意义。传统的生物... 详细信息

MiRNA是一类由21～25个核苷酸组成的内源性非编码单链小分子RNA。大量研究表明,miRNA的异常表达与人类疾病的产生和发展有密切联系,发掘潜在的miRNA-疾病关联信息对于miRNA功能研究,致病机理分析和疾病治疗都具有重要意义。传统的生物实验方法存在实验周期长、资源耗费大的问题。近年来,在生物信息学技术的指导下,新兴了许多基于计算的模型方法,这些方法在已验证的生物数据集上设计基于相似性特征的计算模型,并且在大规模预测潜在miRNA-疾病关联任务上取得了瞩目成果。然而这些计算模型大都基于共同作用靶基因来设计,忽略了靶基因互作关系对研究任务的影响。研究表明,miRNA主要通过调控靶基因的异常表达进而导致疾病的产生和发展,因此,我们认为在预测miRNA和疾病之间的关系时,有必要考虑靶基因以及靶基因之间的互作关系的影响。通过搜集整理miRNA-基因关联网络,疾病-基因关联网络,miRNA-疾病关联网络以及蛋白质相互作用网络等相关生物数据,本文构建了三层异质生物网络,并提出两种预测潜在miRNA-疾病关联的计算模型,即基于元路径随机游走的预测方法HEMDA和基于图注意力网络的预测方法GANMDA。两种方法都是在异质网络建模基础上利用网络表征学习技术对异质网络结构信息进行挖掘。其中,HEMDA模型在三层异质生物网络上利用基于元路径随机游走的算法学习异质网络结构特征的嵌入表示,然后再结合矩阵分解算法预测miRNA-疾病相关性得分。GANMDA模型通过融合miRNA和疾病对象的功能相似性和高斯核相似性特征,利用图注意力网络学习节点特征的向量表示,然后利用矩阵补全算法对潜在的miRNA-疾病关联进行预测。在实验部分,我们使用交叉验证方法来检验模型的有效性。此外,我们对多种疾病进行案例分析,并对高预测得分的miRNA候选集在外部数据上进行了验证。实验结果表明,本文提出的两种计算方法充分挖掘异质网络结构信息,可以更加高效地预测潜在miRNA-疾病关联,为生物实验提供更加可靠的关联候选集。

关键词：异质网络链路预测 miRNA-疾病关联元路径图神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合类结构的异质网络表示学习研究

融合类结构的异质网络表示学习研究

作者：张林炜天津大学

学位级别：硕士

网络分析在实际中得到了广泛的应用。然而,现有的方法主要关注于单类型节点/边的同质网络,许多真实世界的网络由多种类型的节点和关系组成,因此同质网络分析方法不能很好地处理这种网络。此外,现有的网络分析方法往往存在计算量大的问题... 详细信息

网络分析在实际中得到了广泛的应用。然而,现有的方法主要关注于单类型节点/边的同质网络,许多真实世界的网络由多种类型的节点和关系组成,因此同质网络分析方法不能很好地处理这种网络。此外,现有的网络分析方法往往存在计算量大的问题,需要一种低维的节点表示来提高网络分析任务的效率及效果。针对以上问题,本文围绕异质网络表示学习主要研究工作如下:首先,提出了融合key节点类结构的异质信息网络表示学习模型（KNCA）。该模型使用基于元路径的随机游走捕获网络的结构及语义信息,并利用key节点在异质网络模式中链接其它类型节点的特性,融合key节点类结构提升节点表示能力。在公开数据集AMiner进行评估,KNCA在3个网络分析任务上优于Deep Walk、LINE、PTE以及Metapath2vec方法。其次,提出了社团增强的异质信息网络表示学习模型（CAHE）,该模型假设异质网络中不同类型的节点存在不同的社团结构,每种社团结构通过一组混合高斯模型参数进行表征,本文利用混合高斯模型期望将不同社团结构进行加权,形成统一的全类型节点的社团嵌入,提高了网络表示能力,在数据集DBLP、IMDB上与同质网络表示学习方法Deep Walk、LINE及异质网络表示学习方法PTE、Metapath2vec、HAN、KNCA进行节点分类、聚类、可视化分析,表明CAHE优于上述表示学习方法,取得较好实验结果。最后,将上述方法应用于某学校学生数据展开实证分析。构建包含学生、心理问题、社会状况、性格类型节点的异质网络,结合上述提出的两种表示学习模型,量化学生-心理问题节点对的相似性,预测学生-心理问题倾向。结果表明本文提出的方法相比于其它对比方法有了一定的提升。本文提出了两种异质信息网络表示学习方法,并对某高校学生数据展开实证分析,结果表明融合key节点类结构和不同类型节点社团结构,可以有效地提升异质网络表示能力。

关键词：异质网络表示学习风险预测