检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

多重行动异质网络博弈

中国管理科学 2024年第5期 265-274页

作者：熊一凡安徽师范大学经济管理学院

本文研究了具有多重异质性关系网络参与人间的博弈问题，将现有文献中单一网络拓展到多重网络，利用势函数的性质讨论了纳什均衡的存在性、唯一性以及为内点性条件，并在一定假设下对均衡配置进行了降维。本文还给出了模型的两个应用场... 详细信息

本文研究了具有多重异质性关系网络参与人间的博弈问题，将现有文献中单一网络拓展到多重网络，利用势函数的性质讨论了纳什均衡的存在性、唯一性以及为内点性条件，并在一定假设下对均衡配置进行了降维。本文还给出了模型的两个应用场景——针对具有多重同群效应消费者群体的定价问题和针对具有多重网络关系参与人的干预问题。研究发现，在定价问题中，最优的完全歧视性垄断价格只与消费者边际消费倾向成比例，与同群效应无关；而寡头竞争均衡价格则受到消费者之间复杂关联性的影响。在干预问题中，为了实现最大化的总均衡，行动计划者应该将资源按照参与人在网络中重要性的高低进行分配，该重要性由一个网络中心化度指标来度量。

关键词：网络博弈同群效应多重行动异质网络势博弈

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于异质图注意力网络的重叠社区发现方法

计算机工程与设计 2023年第12期44卷 3649-3655页

作者：孙悦赵宇红薛婷内蒙古科技大学信息工程学院内蒙古包头014010

为解决异质网络重叠社区发现问题,提出一种基于异质图注意力网络的重叠社区发现模型。通过异质图注意力网络的双层注意力机制,从节点级与语义级充分挖掘节点、元路径在信息表示中的重要程度,并进行分层聚合获得节点特征向量,将伯努利-... 详细信息

为解决异质网络重叠社区发现问题,提出一种基于异质图注意力网络的重叠社区发现模型。通过异质图注意力网络的双层注意力机制,从节点级与语义级充分挖掘节点、元路径在信息表示中的重要程度,并进行分层聚合获得节点特征向量,将伯努利-泊松模型与图卷积网络整合,在生成社区隶属关系矩阵的基础上优化社区重叠度进行重叠社区划分。模型改变异质图注意力网络的激活函数,改善梯度消失问题,将异质图注意力网络与伯努利-泊松模型结合实现异质网络的重叠社区发现。使用真实数据集进行实验,实验结果表明,模型可以利用异质网络节点信息多样性进行重叠社区发现,相对传统社区发现方法具备较好的稳定性和准确性。

关键词：重叠社区发现异质网络异质图注意网络元路径图卷积神经网络伯努利-泊松模型社区隶属矩阵

在线全文

学校读者我要写书评

暂无评论

输入时滞下异质调和振子网络的同步研究

扬州大学学报（自然科学版） 2022年第1期25卷 32-36页

作者：张伟业刘怡文付求耐王正新韩欣利南京邮电大学理学院南京210023 南京邮电大学通信与信息工程学院南京210023 南京邮电大学江苏省物联网智能机器人工程实验室南京210023

针对异质调和振子网络系统在含输入时滞情况下的拟同步问题,通过引入有界的领导者振子,并应用牵制控制协议将调和振子网络系统转化为误差系统;再结合Lyapunov-Krasovskii泛函,并运用稳定性理论和线性矩阵不等式(linear matrix inequalit... 详细信息

针对异质调和振子网络系统在含输入时滞情况下的拟同步问题,通过引入有界的领导者振子,并应用牵制控制协议将调和振子网络系统转化为误差系统;再结合Lyapunov-Krasovskii泛函,并运用稳定性理论和线性矩阵不等式(linear matrix inequality,LMI)方法给出异质调和振子系统实现拟同步的充分性判据.结果表明,误差系统渐进收敛于一个有界集合中,并给出了拟同步误差的上界.MATLAB数值仿真结果进一步验证了理论的有效性.

关键词：异质网络调和振子时滞 Lyapunov-Krasovskii泛函拟同步

基于联合矩阵分解的动态异质网络社区发现方法

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2017年第10期34卷 2989-2992页

作者：黄瑞阳吴奇朱宇航国家数字交换系统工程技术研究中心郑州450002

动态网络的社区发现是目前复杂网络分析领域的重要研究内容,然而现有动态网络社区发现方法主要针对同质网络,当网络包含多种异质信息时,现有方法不再适用。针对这个问题,提出了一种基于联合矩阵分解的动态异质网络社区发现方法。首先计... 详细信息

动态网络的社区发现是目前复杂网络分析领域的重要研究内容,然而现有动态网络社区发现方法主要针对同质网络,当网络包含多种异质信息时,现有方法不再适用。针对这个问题,提出了一种基于联合矩阵分解的动态异质网络社区发现方法。首先计算动态异质网络中各个快照图的拓扑相似度矩阵和多关系相似度矩阵;其次利用时序联合非负矩阵分解方法,约束各个时刻快照图的社区划分;最后在真实网络数据集上与K-means、Meta Fac算法进行比较实验,提出算法能够充分利用网络的异质信息与拓扑信息,异质网络社区划分精度优于Meta Fac算法,且划分效果更稳定。结果表明,基于联合矩阵分解的动态异质网络社区发现算法可以有效检测出动态异质网络中潜在的社区结构。

关键词：异质网络动态网络社区发现非负矩阵分解

基于随机与异质网络共存的SEIRS传染病模型

在线全文

学校读者我要写书评

暂无评论

数学的实践与认识 2016年第6期46卷 285-290页

作者：王振国刘桂荣吕梁学院数学系山西吕梁033000 山西大学数学科学学院山西太原030006

讨论了随机与异质网络共存的SEIRS传染病模型,通过正平衡点的存在性给出基本再生数R_0=((1-η)Aλ+ηβ)/μ.结果表明,当R_01时,无病平衡点(1,0,0,0)不稳定,此时系统存在唯一的地方病平衡点,并且一致持续存在.最后通过数值仿真,验证了... 详细信息

讨论了随机与异质网络共存的SEIRS传染病模型,通过正平衡点的存在性给出基本再生数R_0=((1-η)Aλ+ηβ)/μ.结果表明,当R_01时,无病平衡点(1,0,0,0)不稳定,此时系统存在唯一的地方病平衡点,并且一致持续存在.最后通过数值仿真,验证了理论结果的正确性.

关键词： SEIRS传染病模型异质网络基本再生数稳定性一致持续

在线全文

学校读者我要写书评

暂无评论

基于异质网络的lncRNA-疾病关联预测

基于异质网络的lncRNA-疾病关联预测

作者：李省西安电子科技大学

学位级别：硕士

lncRNA是长度大于200核苷酸的非编码RNA。越来越多的研究表明,lncRNA参与许多生物进程并与复杂疾病相关。找到有关联关系的lncRNA-疾病对有助于我们了解疾病的发生发展过程并解释其分子机制,进而更有针对性地进行疾病的预防、诊断与治... 详细信息

lncRNA是长度大于200核苷酸的非编码RNA。越来越多的研究表明,lncRNA参与许多生物进程并与复杂疾病相关。找到有关联关系的lncRNA-疾病对有助于我们了解疾病的发生发展过程并解释其分子机制,进而更有针对性地进行疾病的预防、诊断与治疗。由于lncRNA和复杂疾病的数目繁多,使用计算方法预测潜在的lncRNA-疾病关联对可以为生物实验提供方向指导,从而节省时间和经费开销。因此预测lncRNA-疾病关联对具有十分重要的理论研究价值和社会意义。针对现有lncRNA-疾病关联预测方法使用数据局限和在大规模异质网络上计算费时等缺陷,本文提出基于异质网络的lncRNA-疾病关联预测方法。该方法通过构建异质网络整合lncRNA、疾病及其相关生物分子的数据,最大限度的集成已有信息,从而提升预测准确性。在预测过程中结合元路径概念,提取每条边的类型信息对应其生物含义,为预测过程附加语义,使预测过程更合理,有更强的可解释性。使用分类结果作为预测结果,避免了现有方法在整个网络上进行迭代计算的过程,大大降低了计算耗时。为了验证预测结果的准确性,针对预测结果中与肝癌、胃癌和结肠癌相关的lncRNA-疾病关联对进行案例分析,从是否在数据库中有记录信息、是否有文献验证信息、是否在正常和疾病样本中存在表达差异和是否被其他预测方法检测到这四个方面进行验证,结果表明本文预测方法在三种疾病中准确性均大于99%,预测结果较为可靠。由于大多数已有的预测方法无法在如此庞大和复杂的异质网络上进行计算,本文与Zhang J等提出的基于网络传播的算法进行比较。结果表明本文方法AUC值达到0.92,相比Zhang J方法AUC值更高,预测耗时更少。本文提出的基于异质网络的lncRNA-疾病关联预测方法,在评价指标和案例分析中均取得了良好的结果,适用于大规模异质网络并有更好的灵活性和可扩展性,对lncRNA-疾病关联预测的研究有重要意义。

关键词： lncRNA 疾病异质网络元路径多源数据集成

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

异质网络中的社区挖掘技术研究

异质网络中的社区挖掘技术研究

作者：谭卓鹏哈尔滨工业大学

学位级别：硕士

信息技术的进步,加快了互联网的普及。随着网民数量的增加,各类web站点的大量上线,web页面的大量增加或更新,互联网之中已经逐渐诞生了类似于现实社会的社会网络（social network）。社会网络分析（social network analysis）将web社会... 详细信息

信息技术的进步,加快了互联网的普及。随着网民数量的增加,各类web站点的大量上线,web页面的大量增加或更新,互联网之中已经逐渐诞生了类似于现实社会的社会网络（social network）。社会网络分析（social network analysis）将web社会看作一个网络或图,图结点则是社会中的对象,结点之间的边则是社会中对象之间的社会关系。因为社会对象本身的属性比较复杂,对应的社会对象之间的关系也多种多样,因此该图往往很复杂。社区挖掘（community mining）是社会网络分析研究领域中的一个研究方向。在网络中挖掘自发而成的、有用的、相对稳定的社区,对网络信息的获取与挖掘、信息推荐以及网络演化的预测具有重要的研究价值。不仅如此,社区挖掘技术还极具商业价值,社区挖掘技术能发现隐藏在网页之下的信息,实现客户市场的细分,商业公司可以据此实行目标性更强的营销策略。目前大多数已有的社区挖掘方案都是将社会网络建模为同质（homogeneous）网络,然而真实的社会网络中却存在着大量异质（heterogeneous）的web对象,web对象之间的关系也多种多样,因此,基于同质网络的社区挖掘方案难免会无法准确地区分各类web对象以及对象之间的关系。针对目前web社区挖掘基于同质网络的现状,通过考察论坛社区结构,本文提出了一种基于异质网络的社区挖掘方案,可以更准确更全面地表示社区结构,并对本文的研究内容——意见领袖社区进行了定义。借鉴经典的web结构挖掘算法HITS算法的页面权威度概念与PageRank算法的投票机制,提出一种针对异质网络结构的web论坛意见领袖社区挖掘算法FOLCM（Forum Opinion Leaders Community Mining）,用以量化论坛用户的社区影响力。并在此基础上设计实现了一个完整可用的社区挖掘系统,用以挖掘论坛社区中具有较高舆论导向能力的意见领袖群体。使用大量真实的web论坛数据进行了实验,实验证明,本文提出的社区挖掘方案能够较准确地挖掘互联网论坛中的意见领袖社区。

关键词：网络社区数据挖掘社区挖掘异质网络

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

基于邻域采样的异质网络链接预测算法

计算机与数字工程 2022年第10期50卷 2127-2134,2191页

作者：刘臣谢宁静周立欣上海理工大学管理学院上海200093

面对规模日益增长的图数据,传统的图卷积模型直接在大规模图上进行训练需要耗费大量的计算资源和时间,采样方法通过灵活构建输入模型中的数据成为缓解这一问题的常用措施。现有采样方法多针对同质网络,并且在考虑训练过程中出现的邻居... 详细信息

面对规模日益增长的图数据,传统的图卷积模型直接在大规模图上进行训练需要耗费大量的计算资源和时间,采样方法通过灵活构建输入模型中的数据成为缓解这一问题的常用措施。现有采样方法多针对同质网络,并且在考虑训练过程中出现的邻居爆炸、训练成本过大的问题时仍然存在欠缺。为解决大规模网络训练的这一缺陷,论文提出一种基于邻域子图采样的训练框架,使得图卷积网络能够在大规模异质网络上高效地完成训练。具体而言,论文方法首先将邻域采样和批量处理结合起来,利用k阶采样器对完整的异质网络进行采样得到批量邻域子图,然后使用关系图卷积模型对各子图进行特征提取,从而获得链接预测评分。为了评估该采样算法的有效性,论文在三种规模不同的异质网络数据集FB15k-237,FB-Toy,WN18上进行链接预测任务实验。实验表明,添加提出的邻域采样方法的关系图卷积模型与基线相比能够显著提升在大规模异质图中链接预测任务的准确率以及模型训练速度。

关键词：邻域采样异质网络图卷积模型邻域子图链接预测

基于图神经网络的异质网络社区发现算法研究与展示系统实现

在线全文

学校读者我要写书评

暂无评论

基于图神经网络的异质网络社区发现算法研究与展示系统实现

作者：马波宁夏大学

学位级别：硕士

随着大数据时代的到来,各行各业都与互联网产业的联系日益紧密,随之而来的是铺天盖地的交互数据,这些数据构成了虚拟的社会关系网络,采用计算机技术手段对这些复杂网络的特征、结构以及发展规律进行研究剖析,发现这些数据在某种意义上... 详细信息

随着大数据时代的到来,各行各业都与互联网产业的联系日益紧密,随之而来的是铺天盖地的交互数据,这些数据构成了虚拟的社会关系网络,采用计算机技术手段对这些复杂网络的特征、结构以及发展规律进行研究剖析,发现这些数据在某种意义上是对现实社会的真实反映,对研究和解决社会现实问题具有重大意义。复杂网络社区划分是复杂网络和社会计算研究领域的基础性研究工作,一直都备受研究者关注,以往的研究工作主要是针对基于同质网络的社区划分研究,然而基于异质网络的社区发现能够发掘出更加反映现实意义的社区结构。异质网络的社区发现通过对异质网络中的多维结构、多模信息、语义信息、链接关系等信息进行建模表示和提取分析,从而发现大量节点之间相对紧密稳定的社区结构,对网络信息的分析与挖掘、舆情分析等研究领域具有重要的研究价值。针对异质网络中的社区划分研究问题,本文的主要工作如下:(1)首先,解析DBLP文献数据,利用文献数据中的不同类型的节点以及它们之间的联系来构建直接与间接关系,从而形成节点的网络结构信息;然后实现网络爬虫爬取DBLP数据集中的论文摘要,构建节点的内容特征信息,结合节点的网络结构信息和内容特征信息从而构建异质网络数据集。(2)其次,采用图卷积网络和图注意力网络两种图神经网络模型,针对异质网络数据集进行社会计算中的节点分类基础研究问题,开展了图神经网络在异质网络数据集上的分类效果的分析研究,进一步分析了多维关系中的间接关系在研究任务中的重要作用。(3)针对异质网络数据集采用图卷积神经网络与聚类算法结合的两阶段社区划分的研究,针对K-means聚类算法需要事先确定社区划分类别以及确定社区划分的初始点的问题,采用了图卷积神经网络与凝聚层次聚类(HAC)算法相结合的社区划分方法,通过与未采用图卷积神经网络的经典的社区划分算法实验对比分析,结果表明基于图卷积神经网络的两阶段社区划分算法能更好地聚合节点的结构和内容两个方面的信息,即图卷积神经网络在处理多维和多类型的社会网络信息有优势,同时,卷积神经网络结合HAC算法也比其他方法在异质网络社区划分的结果和效率更好些。(4)最后,本文设计与实现了社区发现算法展示系统,展示系统主要分为原始网络结构展示与网络社区划分展示功能模块,原始网络结构展示模块主要是可视化各种网络数据集的节点分布、关系结构,网络社区划分展示模块是采用不同社区发现算法在不同网络数据集上的社区划分结果的可视化展示。

关键词：异质网络图神经网络节点分类社区发现节点特征表示