基于网络表示学习的链路预测算法研究

基于网络表示学习的链路预测算法研究

论文摘要

作为网络分析的一个重要任务,链路预测(Link Prediction)有着重要的理论研究意义和应用价值。例如,理论研究中它可以帮助人们了解网络演化的机制;实际应用上它不仅可以用于各类推荐系统,还能帮助生物学研究蛋白质的相互作用。所以,它被多个科学领域的学者所关注。自从表示学习技术在网络分析上取得了良好效果后,越来越多的人开始研究网络表示学习算法在网络分析任务中的应用,最常见的应用就是链路预测。现有的基于随机游走(Random Walk,RW)的网络表示学习算法使用RW或其变体算法来生成节点序列,但RW和其变体算法在遍历网络时会倾向于选择度较大的节点,生成的节点序列不能很好地反映网络结构信息,从而影响表示学习性能。针对这一问题,本文引入了无偏采样算法MHRW,提出了去自环的MHRW(RLP-MHRW),并在此基础上提出了基于改进随机游走的网络表示学习算法。然后,利用该算法学习到的节点表示向量作为网络特征,结合逻辑回归模型实现了链路预测。为验证所提算法的有效性,本文在4个真实网络数据集上,使用AUC和Precision作为评价指标进行仿真。仿真结果表明,相比于经典的CN、JAC、AA和基于网络表示学习的算法DeepWalk、LINE和node2vec,本文算法在链路预测性能上有所提高。另外,本文在利用深度学习技术提高链路预测精度方面进行了探讨,设计并实现了基于残差注意力机制的链路预测模型(AM-ResNet-LP)。该模型以最优链路预测效果为目的,模型实现步骤主要分为三步:首先,进行数据预处理,利用本文的网络表示学习算法学习节点表示向量,使用节点表示向量辅助生成节点的邻域子图信息,进一步将单个节点的邻域子图信息合并为节点对的信息数据并打上标签,便于后续模型的训练和测试。其次,利用残差网络结合注意力机制在TensorFlow框架上建立分类模型,使用随机梯度下降(Stochastic Gradient Descent,SGD)和Dropout技术训练和优化模型。最后,利用训练好的最优模型进行链路预测。在真实网络数据集上进行仿真,仿真结果表明,与前面的基于表示学习的链路预测算法相比,AM-ResNet-LP在AUC指标上性能更突出。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  •   1.1 研究背景和意义
  •   1.2 国内外研究现状
  •   1.3 论文的主要工作
  •   1.4 论文的组织结构
  •   1.5 本章小结
  • 第2章 链路预测和网络表示学习理论基础
  •   2.1 网络与图论基本概念
  •     2.1.1 图与网络的种类
  •     2.1.2 计算机中图的表示形式
  •   2.2 链路预测基本概念
  •     2.2.1 链路预测的定义及问题描述
  •     2.2.2 数据集的划分
  •     2.2.3 评价指标
  •   2.3 链路预测算法
  •     2.3.1 基于相似性的链路预测算法
  •     2.3.2 基于学习的链路预测算法
  •   2.4 网络表示学习
  •     2.4.1 网络表示学习定义
  •     2.4.2 现有的网络表示学习算法
  •   2.5 本章小结
  • 第3章 基于改进随机游走网络表示学习的链路预测
  •   3.1 链路预测与网络表示学习
  •   3.2 词向量与word2vec模型概述
  •     3.2.1 词向量概念
  •     3.2.2 word2vec模型简介
  •   3.3 改进随机游走采样方法
  •     3.3.1 MHRW的定义及性质
  •     3.3.2 RLP-MHRW采样算法
  •   3.4 基于改进随机游走网络表示学习的链路预测方法
  •     3.4.1 节点序列生成
  •     3.4.2 学习节点表示向量
  •     3.4.3 利用节点表示向量计算链路预测结果
  •   3.5 算法评估
  •     3.5.1 实验环境及参数设置
  •     3.5.2 实验数据及数据处理
  •     3.5.3 对比算法
  •     3.5.4 实验结果结果及分析
  •   3.6 本章小结
  • 第4章 基于残差注意力机制的链路预测模型
  •   4.1 网络结构数据的预处理
  •     4.1.1 节点邻域子图提取
  •     4.1.2 子图节点排序
  •     4.1.3 节点对子图信息合并
  •   4.2 建立残差注意力机制的链路预测模型
  •     4.2.1 残差注意力模块设计
  •     4.2.2 基于注意力机制的残差网络链路预测模型
  •   4.3 模型训练
  •   4.4 模型检测
  •   4.5 模型评估
  •     4.5.1 实验环境及参数设定
  •     4.5.2 实验数据及处理
  •     4.5.3 实验结果及分析
  •     4.5.4 算法执行效率
  •   4.6 本章小结
  • 第5章 总结与展望
  •   5.1 总结
  •   5.2 展望
  • 参考文献
  • 致谢
  • 附录 A 攻读学位期间的科研成果
  • 文章来源

    类型: 硕士论文

    作者: 黄烨

    导师: 王文涛

    关键词: 链路预测,无偏采样,网络表示学习,残差神经网络,注意力机制

    来源: 中南民族大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,自动化技术

    单位: 中南民族大学

    分类号: TP181;O157.5

    总页数: 52

    文件大小: 1026K

    下载量: 17

    相关论文文献

    • [1].突发性地震发生后道路恢复重建成本预测算法研究[J]. 灾害学 2020(03)
    • [2].基于温度预测算法的智能粮仓温度预警系统[J]. 计算机技术与发展 2020(09)
    • [3].基于社团特性的链路预测算法的研究[J]. 广东技术师范学院学报 2015(02)
    • [4].浅析几种基本路段行程时间预测算法[J]. 青春岁月 2017(01)
    • [5].点击科学[J]. 中国科技教育 2017(03)
    • [6].基于随机序列的固有无序蛋白预测算法比较分析[J]. 生物学杂志 2020(03)
    • [7].一种基于局部社团和全局信息的链路预测算法[J]. 浙江工业大学学报 2017(01)
    • [8].改进的广义预测算法在过热气温控制中的应用[J]. 工业控制计算机 2013(11)
    • [9].复杂网络中集聚系数对链路预测算法的影响[J]. 科技视界 2014(12)
    • [10].针对通信社会网络的时间序列链接预测算法[J]. 计算机科学与探索 2010(06)
    • [11].面向车载自组织网络路由的轨迹预测算法[J]. 计算机研究与发展 2017(11)
    • [12].河北省风能特征及其对风速预测算法的改进[J]. 科技传播 2013(06)
    • [13].一种基于频率预测算法的快速锁定全数字锁相环[J]. 电子产品世界 2020(03)
    • [14].基于高阶近似的链路预测算法[J]. 计算机应用 2019(08)
    • [15].广义预测算法在综合减摇系统控制器设计中的应用[J]. 船舶工程 2013(06)
    • [16].二维空间中目标轨迹预测算法研究与分析[J]. 航空电子技术 2012(01)
    • [17].基于神经网络自适应预测算法的谐波检测[J]. 电工技术学报 2011(S1)
    • [18].链路预测算法在药物推荐中的应用研究[J]. 计算机与数字工程 2019(09)
    • [19].论提高装备故障预测准确度的方法途径——先进智能预测算法研究[J]. 电子技术与软件工程 2016(14)
    • [20].基于分离有限状态模型的呼吸预测算法[J]. 清华大学学报(自然科学版) 2015(03)
    • [21].基于试验设计的链路预测算法应用研究[J]. 数理统计与管理 2019(05)
    • [22].竞赛论文评分合成的协同修正预测算法[J]. 数学的实践与认识 2019(15)
    • [23].一种改进共同邻居的节点遍历链路预测算法[J]. 小型微型计算机系统 2018(02)
    • [24].基于链路预测算法分析虚假链接问题[J]. 云南民族大学学报(自然科学版) 2017(05)
    • [25].论提高装备故障预测准确度的方法途径——先进智能预测算法研究[J]. 价值工程 2016(32)
    • [26].分维权重样条插值预测算法及应用[J]. 数学的实践与认识 2014(24)
    • [27].灰色预测算法在铁路货运预警系统中的应用研究[J]. 铁道货运 2015(05)
    • [28].基于预测算法的认知网络的跨层研究[J]. 科技信息 2009(06)
    • [29].一种改进的复杂网络链路预测算法[J]. 小型微型计算机系统 2016(05)
    • [30].基于云计算和极限学习机的分布式电力负荷预测算法[J]. 电网技术 2014(02)

    标签:;  ;  ;  ;  ;  

    基于网络表示学习的链路预测算法研究
    下载Doc文档

    猜你喜欢