多关系异构网络上随机游走技术的研究及应用

多关系异构网络上随机游走技术的研究及应用

论文摘要

随着信息技术的发展和多媒体技术的日新月异,各领域实体之间的联系和交互愈加频繁,形成了庞大的网络体系。在图上进行分析和挖掘可以发现许多隐含的知识和信息,例如发现潜在链接进行推荐、发现社团等。因此,基于图的挖掘技术成为广大学者研究的热点。图信息挖掘方面现有大多数研究都是基于同构网络的。然而,现实中网络对象之间交互复杂,实体类型繁多,例如在微博社交网络中,包含用户、博文等实体,实体之间的交互包括关注、评论、转发等行为,这样的复杂网络需要用异构网络来刻画。图挖掘技术的一个重要研究方向就是基于马尔科夫链的随机游走,通过模拟用户在网络中的跳转最终得到网络中每个节点的访问概率,其结果可用于排序、推荐、知识发现等相关研究领域。由于异构网络中存在多种类型的节点和边,使得基于异构网络的随机游走过程的研究更加困难。研究者通过类比同构网络上的随机游走,设计了高阶马尔科夫过程来解决多关系异构网络随机游走的问题(MultiRank)。然而这些方法并没有区分不同类型的关系对随机游走过程的影响,这显然与实际情况不符,得到的结果也存在一定的偏差。因此,本文针对多关系异构网络上的随机游走过程展开调研和研究,以张量为载体,设计了一系列的算法来解决多关系网络随机游走过程这一问题,主要内容如下:(1)通过分析多关系网络实体之间的跳转,使用关系内转移概率和关系间转移概率分别刻画同种关系内实体之间的跳转以及不同关系间的跳转。SemiRank算法通过预先给定先验信息,建立损失函数来计算关系间转移概率,从而约束随机游走者选择何种关系进行游走。实验结果表明本文提出的方法比MultiRank算法效果更好。(2)TRWRank算法结合随机游走过程和监督学习任务,考虑多关系网络结构以及节点和边的属性,设计一个优化问题来获取关系内转移概率和关系间转移概率,使得随机游走者更加倾向于访问重要的节点,从而指导多关系网络的随机游走。实验证明TRWRank算法可以进一步提高结果。(3)ClusterRank算法结合图聚类以及弱关系理论,将多关系网络中的节点进行聚类并计算每种关系中弱关系的比例,从而可以得到不同类型关系的重要度,最后进行多关系网络的随机游走。这种算法不需要提供先验知识,因此比前两种算法具有更广泛的应用空间。实验证明ClusterRank比MultiRank表现更优。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景与意义
  •     1.1.1 同构网络与异构网络
  •     1.1.2 基于网络的随机游走
  •   1.2 国内外研究现状
  •     1.2.1 面向同构网络的随机游走
  •     1.2.2 面向异构网络的随机游走
  •   1.3 问题总结与分析
  •   1.4 本文的主要工作
  •   1.5 本文的结构组织
  • 第二章 相关背景知识介绍
  •   2.1 张量(Tensor)
  •   2.2 基于张量表示的多关系网络
  •   2.3 随机游走模型
  •   2.4 本章小结
  • 第三章 基于半监督的多关系随机游走SemiRank
  •   3.1 SemiRank算法
  •   3.2 应用与实验
  •     3.2.1 应用背景
  •     3.2.2 数据集和数据处理
  •     3.2.3 实验参数设置
  •     3.2.4 实验结果
  •   3.3 本章小结
  • 第四章 基于有监督的多关系随机游走TRWRank
  •   4.1 TRWRank算法
  •     4.1.1 优化问题
  •     4.1.2 求解优化问题
  •     4.1.3 算法流程
  •   4.2 应用与实验
  •     4.2.1 实验参数设置
  •     4.2.2 实验结果
  •   4.3 本章小结
  • 第五章 基于无监督的多关系随机游走ClusterRank
  •   5.1 ClusterRank算法
  •     5.1.1 多关系网络中局部随机游走距离
  •     5.1.2 聚类过程
  •     5.1.3 参数调整
  •     5.1.4 算法流程
  •   5.2 应用与实验
  •     5.2.1 实验一:关键短语提取
  •     5.2.2 实验二:欧洲空中多路传输网络
  •   5.3 本章小结
  • 第六章 总结与展望
  • 参考文献
  • 附录1 攻读硕士学位期间撰写的论文
  • 附录2 攻读硕士学位期间参加的科研项目
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 陈文燕

    导师: 李云

    关键词: 多关系异构网络,马尔科夫链,随机游走,张量,转移概率

    来源: 南京邮电大学

    年度: 2019

    分类: 基础科学

    专业: 数学,数学

    单位: 南京邮电大学

    分类号: O211.6;O157.5

    DOI: 10.27251/d.cnki.gnjdc.2019.000565

    总页数: 74

    文件大小: 3335K

    下载量: 84

    相关论文文献

    • [1].基于不等概率叠加随机游走关键点识别[J]. 计算机技术与发展 2020(08)
    • [2].随机游走技术在网络生物学中的研究进展[J]. 电子学报 2018(08)
    • [3].表示学习中句子与随机游走序列等价性的一种新证明[J]. 计算机工程与科学 2020(02)
    • [4].随机游走算法在疾病相关关系预测中的应用[J]. 西南民族大学学报(自然科学版) 2017(06)
    • [5].光纤陀螺随机游走优化技术[J]. 浙江大学学报(工学版) 2013(03)
    • [6].随机游走假设的方差比率检验以及对中国股市管理的启示[J]. 经济师 2020(10)
    • [7].基于随机游走模型的物体识别[J]. 计算机工程与应用 2013(21)
    • [8].自回避随机游走算法的研究与应用[J]. 软件导刊 2010(11)
    • [9].基于“醉汉随机游走”问题的统计实验教学案例设计[J]. 高等数学研究 2019(04)
    • [10].基于随机游走模型的排序学习方法[J]. 数据分析与知识发现 2017(12)
    • [11].基于随机游走模式的水库污染物迁移特征研究[J]. 人民长江 2015(24)
    • [12].基于随机游走算法的社交网络构建[J]. 湖北成人教育学院学报 2014(01)
    • [13].光纤惯导角度随机游走误差传播特性研究[J]. 宇航学报 2013(05)
    • [14].随机游走条件下沪深股票市场的认知分析——基于2001-2018年日收盘价数据的考察[J]. 知识经济 2019(04)
    • [15].基于鲁棒随机游走的交互式植物叶片分割[J]. 模式识别与人工智能 2018(10)
    • [16].基于随机游走和多样性图排序的个性化服务推荐方法[J]. 电子学报 2018(11)
    • [17].改进的随机游走模型节点排序方法[J]. 计算机工程与应用 2011(12)
    • [18].光纤陀螺随机游走系数模型的修正和实验研究[J]. 压电与声光 2009(01)
    • [19].基于随机游走算法的建筑工地人员施工通道安全优化设计[J]. 建筑施工 2020(09)
    • [20].基于覆盖随机游走算法的服务质量预测[J]. 计算机学报 2018(12)
    • [21].基于改进随机游走的网络表示学习算法[J]. 计算机应用 2019(03)
    • [22].改进的快速随机游走舌像提取算法[J]. 计算机辅助设计与图形学学报 2015(04)
    • [23].一种小波分解尺度空间中的随机游走图像分割方法[J]. 淮北师范大学学报(自然科学版) 2013(02)
    • [24].基于图谱理论和随机游走核的图像去噪[J]. 通信学报 2010(07)
    • [25].基于网络图模型推荐的随机游走算法改进研究[J]. 玉林师范学院学报 2016(02)
    • [26].动态马尔可夫随机环境下随机游走的重对数定律[J]. 数学进展 2015(02)
    • [27].基于拉普拉斯规范化和重启随机游走算法的微生物疾病关系预测[J]. 西南民族大学学报(自然科学版) 2020(05)
    • [28].基于重启随机游走的实体识别与链接方法[J]. 北京邮电大学学报 2017(06)
    • [29].基于随机游走的分类垃圾回收最优路径规划[J]. 交通运输工程与信息学报 2018(03)
    • [30].基于随机游走的实体链接方法[J]. 指挥信息系统与技术 2018(05)

    标签:;  ;  ;  ;  ;  

    多关系异构网络上随机游走技术的研究及应用
    下载Doc文档

    猜你喜欢