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

基于有偏向的重启随机游走链路预测算法

复杂系统与复杂性科学 2018年第4期15卷 17-24页

作者：吕亚楠韩华贾承丰瞿倩倩武汉理工大学理学院武汉430070

链路预测中,基于随机游走过程的相似性指标往往设定游走粒子转移到相邻节点的概率是相等的,忽略了节点度值对粒子转移概率的影响。针对此问题,提出一种有偏向的重启随机游走链路预测算法。首先借鉴有偏向随机游走过程,重新定义游走粒子... 详细信息

链路预测中,基于随机游走过程的相似性指标往往设定游走粒子转移到相邻节点的概率是相等的,忽略了节点度值对粒子转移概率的影响。针对此问题,提出一种有偏向的重启随机游走链路预测算法。首先借鉴有偏向随机游走过程,重新定义游走粒子的转移概率,然后将其运用到有重启的随机游走中,探究粒子在游走过程中节点度值对其转移的作用,最后在粒子有偏向转移的基础上,将提出的指标同6个经典的相似性指标进行对比。通过对6个真实数据集进行链路预测,结果表明:与无偏向性转移相比,有偏向性转移的预测算法具有更高的预测精度,且高于其他相似性指标的预测值。

关键词：链路预测相似性有偏向重启随机游走

基于二元网络异步重启随机游走算法预测肺癌风险致病基因

在线全文

学校读者我要写书评

暂无评论

生物物理学报 2015年第1期31卷 33-44页

作者：张松瑶张绍武西北工业大学自动化学院西安710072 信息融合技术教育部重点实验室西安710072

肺癌致病基因的发现及预测有助于认识肺癌的发生机理、诊断与防治,是人类基因组研究的重要目标。应用现有二元网络重启随机游走算法预测致病基因时,一般先在疾病表型网络、蛋白质作用网络及疾病-蛋白质二分图网络内随机游走一步,然后进... 详细信息

肺癌致病基因的发现及预测有助于认识肺癌的发生机理、诊断与防治,是人类基因组研究的重要目标。应用现有二元网络重启随机游走算法预测致病基因时,一般先在疾病表型网络、蛋白质作用网络及疾病-蛋白质二分图网络内随机游走一步,然后进行网络间跳转,这种策略不仅搜索效率较低,还可能遗漏蛋白质(或疾病)网络中的局部拓扑信息。鉴于此,作者提出一种二元网络异步重启游走(asynchronously random walk with restart,ARWRH)算法,构建疾病表型-蛋白质异构网络,深层次挖掘潜在肺癌风险致病基因。ARWRH算法首先在疾病表型网络、蛋白质作用网络及疾病表型-蛋白质二分图网络内随机游走不同步数,然后进行网络间跳转,迭代形成稳态概率向量,从而获得候选致病基因。仿真实验表明,ARWRH算法可有效预测肺癌潜在风险致病基因,多数预测结果获得了文献证据支持。

关键词：肺癌致病基因重启随机游走蛋白质作用网络疾病表型网络二元网络

一种基于MH改进的重启随机游走链路预测算法

在线全文

学校读者我要写书评

暂无评论

云南大学学报（自然科学版） 2021年第2期43卷 245-253页

作者：吕亮何敏易灿云南大学信息学院云南昆明650500

基本随机游走相似性指标由于其转移概率仅由当前节点的度决定,影响链路预测效果.鉴于此,在MH(Metropolis-Hasting)算法的基础上,充分利用邻居节点的度信息,并采用将当前节点的自环率按邻居节点的度值加权分配给邻居节点的方法重构转移... 详细信息

基本随机游走相似性指标由于其转移概率仅由当前节点的度决定,影响链路预测效果.鉴于此,在MH(Metropolis-Hasting)算法的基础上,充分利用邻居节点的度信息,并采用将当前节点的自环率按邻居节点的度值加权分配给邻居节点的方法重构转移概率矩阵,再融合重启随机游走(Random Walk with Restart,RWR)相似性指标,提出一种改进MH的链路预测算法.首先,根据当前节点与邻居节点的度信息重新定义节点间的转移概率;然后,将新的转移概率重构成概率矩阵;最后,融合RWR相似性指标进行链路预测实验.结果表明,新算法相较于RWR、CN(Common Neighbors)等7种基准算法在AUC指标上均有提升,在排序分指标上也有所改善;AUC指标上最高可提升3.98%,排序分指标上最高下降1.92%,提升了链路预测的准确性.

关键词：相似性指标转移概率链路预测重启随机游走

基于知识图谱和重启随机游走的跨平台用户推荐方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2021年第7期41卷 1871-1877页

作者：余敦辉张蕗怡张笑笑毛亮湖北大学计算机与信息工程学院武汉430062 湖北省教育信息化工程技术研究中心(湖北大学) 武汉430062

针对单一社交网络平台中推荐相似用户结果单一,对用户兴趣和行为信息了解不够全面的问题,提出了基于知识图谱和重启随机游走的跨平台用户推荐方法(URCP-KR)。首先,在分割、匹配出的目标平台图谱和辅助平台图谱的相似子图中,利用改进的... 详细信息

针对单一社交网络平台中推荐相似用户结果单一,对用户兴趣和行为信息了解不够全面的问题,提出了基于知识图谱和重启随机游走的跨平台用户推荐方法(URCP-KR)。首先,在分割、匹配出的目标平台图谱和辅助平台图谱的相似子图中,利用改进的多层循环神经网络(RNN)预测出候选用户实体,再综合利用拓扑结构特征相似度和用户画像相似度筛选出相似用户;然后,将辅助平台图谱中的相似用户的关系信息补全到目标平台图谱;最后,计算目标平台图谱中的用户游走到社区内每个用户的概率,从而得到用户之间的兴趣相似度来实现用户推荐。实验结果表明,与协同过滤(CF)算法、基于跨平台的在线社交网络用户推荐算法(URCP)和基于多开发者社区的用户推荐算法(UR-MC)相比,URCP-KP在推荐精确率及推荐多样性等方面均有所提高,推荐精确率最高可达95.31%,推荐覆盖率最高可达88.42%。

关键词：知识图谱实体链接关系补全重启随机游走用户推荐

在线全文

学校读者我要写书评

暂无评论

基于最低度偏置重启随机游走的链路预测方法

计算机应用研究 2022年第9期39卷 2799-2803,2817页

作者：李巧丽韩华武汉理工大学理学院武汉430070

链路预测是数据挖掘主题中的一个重要问题。基于随机游走的相似性方法一般设定游走粒子转移到相邻节点的概率是相等的,忽略了节点度值对转移概率的影响。针对此问题,提出一种基于lowest-degree偏置重启随机游走的链路预测方法。首先引... 详细信息

链路预测是数据挖掘主题中的一个重要问题。基于随机游走的相似性方法一般设定游走粒子转移到相邻节点的概率是相等的,忽略了节点度值对转移概率的影响。针对此问题,提出一种基于lowest-degree偏置重启随机游走的链路预测方法。首先引入最低度偏置函数,对游走粒子的转移概率进行重新定义,然后将最低度偏置随机游走策略运用到重启随机游走中,探究粒子在游走过程中最低度偏向策略对节点相似度的影响。在九个真实网络数据集上进行链路预测,结果表明,所提方法具有良好的预测精度,且挖掘了更多网络拓扑结构信息,证明该算法在节点相似性的评估上具有一定的优势。

关键词：复杂网络链路预测重启随机游走最低度偏置

在线全文

学校读者我要写书评

暂无评论

基于重启随机游走的图自编码器

计算机应用研究 2021年第10期38卷 3009-3013页

作者：李琳梁永全刘广明山东科技大学计算机科学与工程学院山东青岛266590

针对现有的图自编码器无法捕捉图中节点之间的上下文信息的问题,提出基于重启随机游走的图自编码器。首先,构造两层图卷积网络编码图的拓扑结构和特征,同时进行重启随机游走捕捉节点之间的上下文信息;其次,为了聚合重启随机游走和图卷... 详细信息

针对现有的图自编码器无法捕捉图中节点之间的上下文信息的问题,提出基于重启随机游走的图自编码器。首先,构造两层图卷积网络编码图的拓扑结构和特征,同时进行重启随机游走捕捉节点之间的上下文信息;其次,为了聚合重启随机游走和图卷积网络获得的表示,设计自适应学习策略,根据两种表示的重要性自适应地分配权重。为了证明该方法的有效性,将图最终的表示应用于节点聚类和链路预测任务。实验结果表明,与基线方法相比,提出的方法实现了更先进的性能。

关键词：图嵌入网络表示学习图自编码器图卷积网络重启随机游走自适应学习策略

在线全文

学校读者我要写书评

暂无评论

基于多特征相关及重启随机游走的实体链接

基于多特征相关及重启随机游走的实体链接

作者：杜晶晶大连海事大学

学位级别：硕士

科学技术的迅速发展,导致各类数据爆炸式增长,结构化数据和半结构化数据铺天盖地席卷而来,如何快速准确地理解这些数据的含义变得极其困难。实体链接是将给定文本中的实体引用链接到知识库中正确页面上,从而消除文本中实体提及的歧义,... 详细信息

科学技术的迅速发展,导致各类数据爆炸式增长,结构化数据和半结构化数据铺天盖地席卷而来,如何快速准确地理解这些数据的含义变得极其困难。实体链接是将给定文本中的实体引用链接到知识库中正确页面上,从而消除文本中实体提及的歧义,对智能问答、信息抽取、文本翻译等多项应用有重要意义。本文针对现有的实体链接方法,忽略了对实体与实体提及类型相关性的考虑,对候选实体之间的关联语义特征提取不足以及忽略了文档中无歧义实体提及对有歧义实体提及歧义消除的积极影响的问题,本文也采取局部链接方法和联合链接方法实现实体链接,主要包括以下三方面工作:(1)设计实现融合多种特征相似度的局部链接方法LMBOMF。针对现有方法忽略实体与实体提及类型相关性特征考虑的问题,本文提出了补充实体与实体提及类型相似度实现的融合多种特征相关性实现的局部链接方法,首先基于注意力机制获取实体提及上下文中重要词汇,然后基于这些得到的词汇实现候选实体以实体提及之间的主题相似性计算;接着对实体提及上下文进行多种特征提取,将这些特征进行整合,然后将整合后的特征转化为由类型词表示的特征向量,基于此特征向量和候选实体的类型实现候选实体与实体提及之间的类型相似性计算,最后融合候选实体的主题相似性得分、类型相似性得分和先验概率得分得到候选实体的的最终得分。(2)设计实现了基于重启随机游走实现的迭代联合链接方法UNEL。针对之前联合实体链接方法对候选实体之间语义特征提取不足以及忽略了文本中那些无歧义实体和已链接实体提及对于未链接实体提及的积极影响的问题,本文首先基于结构化知识库构建候选实体语义关系图,然后采用基于重启随机游走的迭代消岐方法实现文档中各个实体提及歧义的消除,基于重启随机游走模型来实现不同实体提及对应的候选实体之间的信息交互,每一次迭代都会为当前轮次要消岐的实体提及对应的每个候选实体基于重启随机游走计算一个全局得分,再线性融合其局部得分,综合选出得分最高的那个实体作为当前实体提及对应的正确实体。(3)最后,在本文所使用的几个公开数据集上和联合对局部链接方法消融实验和对比实验验证以上解决方案的有效性。最终证明本文的实体链接方法有良好的链接效果。

关键词：实体链接多特征相关局部模型侯选实体连通字典侯选实体关联图重启随机游走

基于重启随机游走与多层次图模型的图像显著性检测方法研究

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

基于重启随机游走与多层次图模型的图像显著性检测方法研究

作者：何周琴安徽大学

学位级别：硕士

图像的显著性检测技术是计算机视觉领域和模式识别领域中一个十分重要且基础的问题,它的目的是为了定位图像中最吸引人注意或感兴趣的区域。对于输入的图像,我们检测到的显著区域往往包含图像的主要目标或者具有判别性的特征。因而,图... 详细信息

图像的显著性检测技术是计算机视觉领域和模式识别领域中一个十分重要且基础的问题,它的目的是为了定位图像中最吸引人注意或感兴趣的区域。对于输入的图像,我们检测到的显著区域往往包含图像的主要目标或者具有判别性的特征。因而,图像的显著性检测技术被广泛应用到计算机视觉处理工作过程中,如图像分割、图像检索和目标跟踪等。对图像的显著性检测方法的进一步研究有助于后续更高层次的图像处理过程。但是,目前的图像显著性检测方法在背景复杂的情况下检测的结果表现并不好。本文针对这个问题,从优化先验信息和利用多层次模型两个角度出发,提出了基于重启随机游算法的图扩散模型和基于多层次图的图扩散模型算法对图像进行显著性检测。本文主要工作如下:(1)我们对图像的显著性检测方法的发展历程进行了调研,着重研究了基于图的显著性检测方法和基于多尺度的图像显著性检测方法。基于此,介绍了几种经典的图像显著性检测方法,为后面的研究工作进行了铺垫。(2)基于图的图像显著性检测算法依赖于先验信息的准确性,所以当图像背景复杂时,现有的图像显著性检测方法使用的背景先验信息检测到的显著结果并不理想。针对这一问题,我们提出一种基于重启随机游走的图扩散模型对先验信息进行优化,从而达到提高图像显著性检测结果目的。首先,我们分别计算图像的背景先验和前景先验信息。接着,我们进一步考虑图像的局部结构,对图像进行构图,然后将背景先验信息和前景先验信息在构建的图上进行图扩散,从而获的更加可靠、精准的背景度量与前景度量信息。然后,我们使用整合模型将背景度量和前景度量信息整合在一起,得到更加精确的显著值。最后,为了验证我们算法的有效性,我们将提出的算法在4个公共数据集上与现有的21种方法进行了比较。(3)多尺度多分辨率分析是获得特征显著图时采用的最常用的方法。通过多尺度分辨率分析可以将图像不同层次的重要特征反应在不同分辨率的图像上,如较大的物体可以在低分辨率图像上进行分析,而图像细节则可在高分辨率图像上进行分析。考虑到多尺度多分辨率在图像处理中的优势,我们提出了基于多层次图扩散模型的图像显著性检测算法。首先,分别计算不同尺度下图像的背景先验信息和前景先验信息。接着,使用基于多层次图结构的重启随机游走算法对两种先验信息进行扩散,得到更为合理、准确的背景度量和前景度量。然后,我们将背景度量和前景度量整合,获得更精确的显著性估计。我们提出的多层次图扩散模型有一个重要的贡献,它能够将背景先验和前景先验同时且相互协作的在图上进行扩散,从而可以在图像的不同层次上共享并传达显著性线索。最后,为了验证提出算法的有效性,我们将提出的算法在6个公共数据集上与现有21种方法进行了比较。

关键词：图像的显著性检测重启随机游走背景先验前景先验多层次图模型

基于重启随机游走与堆叠自动编码器的miRNA-疾病关联预测

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

基于重启随机游走与堆叠自动编码器的miRNA-疾病关联预测

作者：刘丹太原理工大学

学位级别：硕士

microRNA（miRNA）是一种由约18-25个核苷酸组成的非编码RNA,参与细胞代谢、增殖、凋亡和发展等细胞生命过程,参与许多人类疾病的发生发展与治疗,成为多种细胞功能中的关键调控因子。然而已经发现的miRNA-疾病关联数量很少,限制了miRNA... 详细信息

microRNA（miRNA）是一种由约18-25个核苷酸组成的非编码RNA,参与细胞代谢、增殖、凋亡和发展等细胞生命过程,参与许多人类疾病的发生发展与治疗,成为多种细胞功能中的关键调控因子。然而已经发现的miRNA-疾病关联数量很少,限制了miRNA在疾病治疗领域的发展,研究miRNA-疾病关联在人类疾病研究与治疗领域具有重要的理论价值与应用意义。miRNA-疾病关联预测的计算方法主要包括网络方法、机器学习方法与深度学习方法。网络方法采用多种生物分子信息构建miRNA与疾病相似性网络,丰富了影响miRNA-疾病关联预测的特征信息,机器学习方法通过特征选择算法来选取特征,提升了miRNA-疾病关联的预测性能。然而,网络方法需要收集大量生物数据,传统机器学习方法无法获取miRNA与疾病数据中的复杂抽象特征。深度学习方法通过逐层抽象能够提取数据的深层次特征,但现有的深度学习方法仅考虑了miRNA与疾病相似性网络数据,忽略了相似性网络的拓扑结构信息,且没有考虑优化器的选择一定程度影响着模型的预测性能。针对现有miRNA-疾病关联研究方法中存在的不足,构建了基于重启随机游走与堆叠自动编码器的miRNA-疾病关联预测模型,本文的主要研究内容如下:（1）针对现有方法预测miRNA-疾病关联时未能考虑相似性网络的拓扑结构特征的问题,本文提出了基于网络拓扑结构的miRNA-疾病关联预测模型SAEMDA。本文模型SAEMDA首先在每个相似性网络上采用重启随机游走方法与正点互信息方法获取miRNA与疾病相似性网络的拓扑结构信息;其次将拓扑结构相似性矩阵作为堆叠自动编码器的输入,获取miRNA与疾病的稠密低维特征;最后采用深度神经网络预测miRNA-疾病关联。实验结果表明,miRNA与疾病相似性网络中的拓扑结构信息有助于miRNA-疾病关联预测。（2）由于模型SAEMDA在优化深度神经网络时存在优化方向不准确的问题,本文提出了基于Radam优化的miRNA-疾病关联预测模型R-SAEMDA。本文模型RSAEMDA引入Radam优化器,在深度神经网络训练过程中对损失函数进行优化。Radam优化器采用了方差校正方式,缩小了模型训练初期参数更新量的方差,缓解了深度神经网络在训练初期优化方向不准确的问题。实验结果表明,采用Radam优化器相较于采用其它优化器表现出更好的性能,且采用Radam优化器之后,模型的整体预测性能得到了提升。综上所述,本文考虑了miRNA与疾病相似性网络的拓扑结构信息,采用堆叠自动编码器提取miRNA与疾病关联的低维特征,引入Radam优化器优化深度神经网络训练过程,对miRNA-疾病关联进行预测。与现有研究相比,R-SAEMDA模型具有更好的预测性能,为探索miRNA在疾病治疗领域的作用提供了辅助信息。

关键词： miRNA-疾病关联网络拓扑结构信息重启随机游走堆叠自动编码器 Radam优化器