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

基于边图的重叠社团检测研究

计算机应用研究 2018年第5期35卷 1342-1344页

作者：桂春林强西北民族大学数学与计算机科学学院兰州730030

社团检测吸引了大量的研究。在真实网络中,社团的层次性和重叠性交织在一起,然而到目前为止大部分工作只研究网络的层次性或重叠性。2010年Ahn等人在《Nature》上发表的文章证明层次性和重叠性是网络相同现象的两个方面,针对社团检测在... 详细信息

社团检测吸引了大量的研究。在真实网络中,社团的层次性和重叠性交织在一起,然而到目前为止大部分工作只研究网络的层次性或重叠性。2010年Ahn等人在《Nature》上发表的文章证明层次性和重叠性是网络相同现象的两个方面,针对社团检测在Ahn方法的基础上提出了新算法——边图谱分析。将谱分析方法应用到边社团发现上,进行了兼顾层次性和重叠性的社团检测研究。实验使用两个真实网络来对比边图谱分析、Ahn和派系过滤算法,结果表明提出的边图谱分析算法实现了网络的重叠社团检测,并且社团划分结果比较满意。

关键词：社团检测边图谱分析角距离

在线全文

学校读者我要写书评

暂无评论

注意力感知的边−节点交换图神经网络模型

电信科学 2024年第1期40卷 106-114页

作者：王瑞琴黄熠旻纪其顺万超艺周志峰湖州师范学院信息工程学院浙江湖州313000 温州大学图书馆浙江温州325035

提出了一种注意力感知的边-节点交换图神经网络(attention aware edge-node exchange graph neural network,AENN)模型,在图结构化数据表示框架下,使用边-节点切换卷积的图神经网络算法进行图编码,用于半监督分类和回归分析。AENN是一... 详细信息

提出了一种注意力感知的边-节点交换图神经网络(attention aware edge-node exchange graph neural network,AENN)模型,在图结构化数据表示框架下,使用边-节点切换卷积的图神经网络算法进行图编码,用于半监督分类和回归分析。AENN是一种通用的图编码框架,用于将图节点和边嵌入一个统一的潜在特征空间。具体地,基于原始无向图,不断切换边与节点的卷积,并在卷积过程中通过注意力机制分配不同邻居的权重,从而实现特征传播。在3个数据集上的实验研究表明,所提方法较已有方法在半监督分类和回归分析中具有明显的性能提升。

关键词：图神经网络消息传递注意力机制超图边图

在线全文

学校读者我要写书评

暂无评论

均匀θ-图边距离和的求解

山西大同大学学报（自然科学版） 2009年第4期25卷 5-6,9页

作者：卢永红杨爱民管宏生山西大同大学数学与计算机科学学院山西大同037009 山西大学数学科学学院山西太原030006 山西大同大学工学院山西大同037003

给出了边距离和以及均匀θ-图的定义,介绍了几个关于边距离和的结论,算出了均匀θ-图的边距离和,且得出几个推论.

关键词：距离和边图边距离和

在线全文

学校读者我要写书评

暂无评论

高度重叠社区的社区合并优化算法

北京交通大学学报 2011年第3期35卷 116-122页

作者：武志昊林友芳田盛丰唐锐北京交通大学计算机与信息技术学院北京100044

当原图转换成边图后,在边图上进行社区发现可以天然地得到重叠社区,然而得到的社区往往相互大面积重叠,甚至相互包含,导致社区模块性质量较低.针对这一问题,在得到边图下重叠社区发现算法结果的基础上,我们将进一步以优化重叠社区模块... 详细信息

当原图转换成边图后,在边图上进行社区发现可以天然地得到重叠社区,然而得到的社区往往相互大面积重叠,甚至相互包含,导致社区模块性质量较低.针对这一问题,在得到边图下重叠社区发现算法结果的基础上,我们将进一步以优化重叠社区模块化质量函数为标准进行社区合并,以获得高质量的重叠社区.本文首先提出一种描述社区间重叠程度的重叠系数,并基于此进一步提出一种构建带权社区图的启发式方法,能够快速有效地完成社区合并的过程.在人工生成网络与真实世界网络上的实验,进一步验证了该算法能够在不削弱边图方法速度优势的前提下,提高高度重叠社区的模块性.

关键词：数据挖掘图聚类重叠社区社区合并边图

Hadoop下基于边聚类的重叠社区发现算法研究

在线全文

学校读者我要写书评

暂无评论

Hadoop下基于边聚类的重叠社区发现算法研究

作者：刘洪彬安徽工业大学

学位级别：硕士

当今世界充满了各种各样的关系,这些关系用拓扑学的原理可以简化为一张一张网络图。因此复杂的世界可以用一张张网络图表示。关系紧密的节点可以划分在同一个社区中,因此可以将所有节点划分在若干社区中,即复杂网络的划分。根据复杂网... 详细信息

当今世界充满了各种各样的关系,这些关系用拓扑学的原理可以简化为一张一张网络图。因此复杂的世界可以用一张张网络图表示。关系紧密的节点可以划分在同一个社区中,因此可以将所有节点划分在若干社区中,即复杂网络的划分。根据复杂网络的拓扑结构,揭示其隐含的规则、预测其所存在的行为模式往往具有十分重大的现实意义和理论意义,特别是在社会关系网、生物关系网、互联网和移动互联网中具有重大的理论意义和实用价值。但现实世界中人与人,物与物,人与物之间的关系更为复杂,往往一个节点同时属于多个社区,即重叠社区的发现问题。因此对重叠社区的发现问题比普通复杂网络的划分往往更具有重要的现实意义。自2000年开始,科学研究者用多种方法研究重叠社区的发现问题,采用了例如基于团渗透改进的思想、基于模糊聚类的思想、基于非负矩阵分解的思想、基于种子扩展思想的思想以及基于混合概率模型的思想,取得了不少成果。但是这些算法对于发现大规模复杂网络的重叠社区问题上,在划分准确度、时间复杂度方面有一定的缺陷性,往往不能在实际大规模复杂网络上进行应用。为了解决这个问题,本论文提出了一种新颖的算法,采用对边根据边结构相似度进行聚类,然后通过分布式处理,以此来解决大规模复杂网络的问题。通过实验进行验证,该算法能很好的发现复杂网络的重叠社区结构。并且采用了分布式处理的思路,能很好的解决大规模复杂网络的重叠社区发现问题。

关键词：重叠社区发现分布式计算复杂网络边图

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

基于改进标签传播算法的社区发现研究与应用

基于改进标签传播算法的社区发现研究与应用

作者：陈鸿涛湖南大学

学位级别：硕士

现实世界的大量复杂系统都可用复杂网络进行建模分析,而社区发现是复杂网络分析中的热门问题。社区发现能够帮助挖掘复杂系统内部个体间的聚集结构,分析个体与个体间的关联,掌握复杂系统的发展规律,发现复杂系统的隐藏功能等等,具有重... 详细信息

现实世界的大量复杂系统都可用复杂网络进行建模分析,而社区发现是复杂网络分析中的热门问题。社区发现能够帮助挖掘复杂系统内部个体间的聚集结构,分析个体与个体间的关联,掌握复杂系统的发展规律,发现复杂系统的隐藏功能等等,具有重要的研究价值和意义。社区发现算法中的标签传播算法由于其思想简单和实际复杂度低,而受到广泛关注。然而该算法对于标签的随机更新,导致了算法稳定性差和准确率低的情况,为了解决以上问题,本文主要做了如下几个方面工作:(1)本文对现有的标签传播算法进行了总结和分析,提出了一种改进的标签传播算法(Link Label Propagation Algorithm,简称LLPA),该算法分为三个部分,第一个部分为将原始网络图转换成边图,边图保留了原始网络图的所有的拓扑网络结构;第二部分是利用改进的标签传播模型来对边图进行非重叠社区划分,首先,计算节点的重要性程度并按照降序排列,然后利用节点的排序结果找出网络的极大团,作为初始的社区核心,在标签的初始化阶段,每一个初始社区都会被赋予一个唯一的标签;第三部分是将边图重新还原成原始的网络结构图,通过遍历第二部分划分出的社区,将社区里的每个节点恢复成原始网络中对应的两个节点,使非重叠的社区发现变成重叠的社区发现。最后,分析了该算法的复杂度和扩展性,同时通过人工网络和真实世界网络的实验和对比证明了该算法的性能得到了提升。(2)本文实现了基于社区发现微博用户行为分析系统的系统原型,系统采用了 Spark框架、Kafka中间件、分布式存储及OLAP框架等先进技术,使该系统在可扩展性和容错性方面有着明显的优势。该系统的主要功能为用户行为分析和用户影响力分析,其中在用户行为分析部分,使用本文提出的改进的标签传播算法进行兴趣社区划分。

关键词：复杂网络重叠社区发现标签传播边图行为分析

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

基于耦合视角的网络表示学习算法研究

基于耦合视角的网络表示学习算法研究

作者：倪琦瑄南京财经大学

学位级别：硕士

网络表示学习通过将大规模复杂网络映射为低维、实值、稠密的向量形式,能够有效地捕捉网络的各种信息,从而应用到下游网络分析任务中。传统的网络表示学习算法大多依赖于网络中节点之间的连接,通过迭代聚合节点的邻居信息来学习其表示向... 详细信息

网络表示学习通过将大规模复杂网络映射为低维、实值、稠密的向量形式,能够有效地捕捉网络的各种信息,从而应用到下游网络分析任务中。传统的网络表示学习算法大多依赖于网络中节点之间的连接,通过迭代聚合节点的邻居信息来学习其表示向量,同时边的表示也严重依赖于节点的表示。然而,许多现实网络面临着稀疏性的挑战,仅能观察到有限的节点连接,传统的信息聚合机制学习到的节点表示向量并不能有效地保持网络结构,进一步影响边的表示。本文在真实网络上的经验分析表明,在边图中进行随机游走会产生与原始图不同节点分布的采样序列,进而会带来更丰富的结构信息。因此,如何有效融合原始图和边图中的不同信息仍然是当前值得探讨的问题。此外,许多现实网络中的节点和边都包含了丰富的属性信息。通过有效的融合方式,属性信息可以很好地补充网络结构信息的不足,从而学习得到更有效的网络表示。然而,由于结构信息和属性信息之间的异构性,如何充分并有效地利用网络中的节点与边的属性信息,同样是当前需要研究的重点。有鉴于此,本文将研究重点从单一的原始图转向原始图和边图的耦合视角,主要工作如下:（1）针对网络的结构稀疏性问题,本文提出了一种基于耦合视角的网络表示学习算法（CPBNE）,该方法首先基于边图进行随机游走以获得不同于原始图的节点采样结果,然后融合基于原始图随机游走得到的节点采样序列进行联合训练,在这种训练机制中,节点和边的表示是可以被同时学习的。实验结果表明,相较于现有的网络表示学习算法,CPBNE能更好保留网络拓扑结构信息,并在下游任务中获得较好的效果。在稀疏网络中,CPBNE具有良好的可扩展性,执行效率比现有的基于深度学习的方法高了三倍以上。（2）为了更好地利用网络中的信息,解决节点属性和边属性与结构信息的融合问题,本文在考虑原始图和边图不同网络结构的基础上,进一步完善在随机游走序列中缺乏的节点和边的属性信息,提出了一种基于耦合视角和属性信息的网络表示学习算法（AE-CPBNE）,将节点和边的属性在原始图和边图中分别构建为新的属性节点,通过获取带有距离衰减的属性上下文,与结构信息共同融合在联合训练过程中。本文在两个真实的属性网络中验证了AE-CPBNE的性能,其在节点分类、边分类、链路预测和链路重构任务中的效果始终排在前两位。

关键词：耦合视角边图属性网络网络表示学习

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

关于递推团图直径的PRS-猜想

青海师范大学学报（自然科学版） 1989年第1期5卷 6-11页

作者：刘彦佩董峰明李祥贵中国科学院应用数学研究所云南师范大学

本文证明了存在一个图G 使得它的直径与其n-次团图K^n(G)的直径满足关系。diamK^n(G)=diamG+n其中n≥1为整数,这就是所谓PRS-猜想。

关键词：团图直径 n-团边图 PRS-猜想

在线全文

学校读者我要写书评

暂无评论

基于双视角的耦合网络表示学习算法

计算机系统应用 2021年第9期30卷 247-255页

作者：倪琦瑄张霞卜湛南京财经大学信息工程学院南京210003 南京中医药大学人工智能与信息技术学院南京210023 南京财经大学江苏省电子商务重点实验室南京210003

传统网络表示学习算法大多依赖于节点视角下的随机游走获取网络局部采样序列,再通过最大化相邻节点的共现概率将网络中的节点表示成低维向量.本文在真实网络上的经验分析表明,对节点和边两种视角分别进行随机游走会产生具有不同节点分... 详细信息

传统网络表示学习算法大多依赖于节点视角下的随机游走获取网络局部采样序列,再通过最大化相邻节点的共现概率将网络中的节点表示成低维向量.本文在真实网络上的经验分析表明,对节点和边两种视角分别进行随机游走会产生具有不同节点分布的采样序列,进而得到不同的社区划分.为此,本文提出了一种基于双视角的耦合表示学习算法DPBCNE.该方法基于边视角进行随机游走以获得不同于节点视角的采样结果,再融合基于节点视角下的节点采样序列进行耦合训练,以学习节点和边的表示.实验结果表明,相较于现有的网络表示学习算法,DPBCNE能更好地保留网络拓扑结构信息,并在下游分类和预测任务中获得更好的效果.

关键词：双视角网络表示学习随机游走边图