动态异构社会关系网络的表示学习

论文摘要

随着数据量增长,社会关系网络的规模不断扩大,网络的邻接矩阵占用了大量的存储空间,邻接表的方式又不方便计算机的处理和计算,且都无法充分反映网络整体结构信息和语义信息,不能直接应用于传统的机器学习算法,因此研究如何将复杂的社会关系网络嵌入低维向量空间的表示学习,具有重要的理论与应用价值。长期积累的历史数据能构建动态的社会关系网络,反映其动态演变信息;多源异构信息的融合可以构建异构的社会关系网络,反映异质节点间多种关系信息。现有的研究只针对网络的动态性或异构性其中一种进行表示学习,要基于同一个向量空间来结合这两方面迥异的特征,使嵌入结果同时反映网络的演化信息和异构关系信息仍存在挑战。针对以上问题,本文提出了动态异构社会关系网络表示学习算法DHIN2Vec。本文的主要工作和贡献如下:（1）针对动态演变特征和异构信息在本质上的不同,不易保证两种特征在同一个向量空间,本文研究了两者结合的方式,包括串行、并行和融合几种思路。本文采用融合思想,使用Meta Path和随机游走原理生成训练样本,反映网络异质节点间的联系;以Word2Vec的one-hot编码激活神经网络中的向量表示;以LSTM神经网络学习网络的动态演变关系,提出了基于深度学习的DHIN2Vec模型。DHIN 2Vec在神经网络中拟合节点对在特定异质关系下,在不同时刻的连通性,学习动态异构社会关系网络的嵌入表示。（2）针对目前同时满足动态、异构两种特性网络数据的空缺,构建了 DBLP学术动态异构社会关系网络。其中有三类异质节点,包括作者、文章、会议共计41340个节点;四类异质连边,包括创作、引用、合作、会议所属共计146231条连边;持续时间15年,划分为5个时间区间。（3）针对网络中异构连边的不同语义问题,通过实验验证了不随时间发生变化的连边,譬如作者与文章间的创作边,自出现时刻开始一直保留在后续时刻的网络中,能让节点的嵌入表示拥有更加真实的语义信息,表示学习效果更好。另外实验验证了把会议节点作为额外的异构信息加入到DBLP网络中,DHIN2Vec有更好的性能,证明了异构信息在DHIN2Vec中的有效性。与 DeepWalk、Node2Vec、TNE、Dynamic Triadic、HIN2Vec 等典型算法相比,DHIN2Vec在最新时刻网络的链接预测任务中,Fl-Score为0.9117,比基准算法中表现最佳的Dynamic Triadic领先0.0534,提升了 6.27%。在节点预测中,DHIN2Vec的 Macro-FI 为 0.521,比 Dynamic Triadic 高 0.014,提升了 2.76%。DHIN2Vec 融合嵌入了动态和异构两种类型的特征,显著提升了链接预测、节点预测应用效果。

论文目录

文章来源

类型: 硕士论文

作者: 赵嘉伟

导师: 何永忠

关键词: 表示学习,动态异构,社会关系网络,嵌入,深度学习

来源: 北京交通大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 北京交通大学

分类号: O157.5;TP181

总页数: 75

文件大小: 5050K

下载量: 82

相关论文文献

• [1].基于驻留时间预测的车辆异构网络垂直切换算法[J]. 电子元器件与信息技术 2020(02)
• [2].无线异构网络的协作与竞争关系探讨[J]. 电脑知识与技术 2018(35)
• [3].5G绿色超密集无线异构网络:理念、技术及挑战[J]. 电信科学 2017(06)
• [4].基于物联网的制造业异构网络融合技术研究[J]. 高等职业教育(天津职业大学学报) 2015(06)
• [5].无线异构网络的关键安全技术[J]. 电子技术与软件工程 2016(03)
• [6].理想/非理想感知条件下认知异构网络的容量分析（英文）[J]. Journal of Zhejiang University-Science C(Computers & Electronics) 2015(01)
• [7].网格环境中异构网络数据库空间冲突检测方法[J]. 内蒙古民族大学学报(自然科学版) 2020(03)
• [8].基于移动切换认证的分层异构网络中的用户敏感信息隐藏方法[J]. 计算机科学 2019(03)
• [9].网络媒体大数据中的异构网络对齐关键技术和应用研究[J]. 太原理工大学学报 2017(03)
• [10].分层异构网络中基于进化博弈的小区附着机制[J]. 电视技术 2015(17)
• [11].一种基于孪生神经网络的深度异构网络嵌入算法[J]. 电讯技术 2020(11)
• [12].异构网络融合及实现技术方案探讨[J]. 数据通信 2014(02)
• [13].多元异构网络的协同与融合助力智慧城市的务实发展[J]. 中国无线电 2011(09)
• [14].无线异构网络发展综述[J]. 现代电信科技 2009(12)
• [15].无线异构网络的关键安全技术[J]. 中兴通讯技术 2008(03)
• [16].超密集异构网络中基于用户关联和频谱分割的无线回传方案[J]. 工业控制计算机 2020(06)
• [17].基于最大可达路径的异构网络关系预测方法[J]. 计算机工程与设计 2017(12)
• [18].低空领域下的异构网络性能研究[J]. 电子测量技术 2018(09)
• [19].车联网中的异构网络融合机制研究[J]. 通信技术 2017(08)
• [20].分层异构网络无线资源管理技术探讨[J]. 电信科学 2013(06)
• [21].3GPP对异构网络移动性优化技术的研究进展[J]. 电信网技术 2013(06)
• [22].异构网络选择的一种新博弈模型[J]. 电讯技术 2011(02)
• [23].议物联网召唤下异构网络融合的多无线电协作技术[J]. 工业设计 2011(07)
• [24].Macro/Femtocell异构网络基于能效的资源分配[J]. 计算机应用研究 2018(11)
• [25].异构网络中协作多点鲁棒性波束成形设计[J]. 实验室研究与探索 2017(02)
• [26].基于能量共享的异构网络资源分配算法设计[J]. 电子设计工程 2017(21)
• [27].省级数据中心异构网络设计与实现[J]. 金融科技时代 2015(10)
• [28].异构网络中基于部分频率复用的干扰管理研究[J]. 电脑知识与技术 2014(12)
• [29].异构网络迎来发展机遇[J]. 世界电信 2012(04)
• [30].异构网络融合——研究发展现状及存在的问题[J]. 数据通信 2012(02)

标签：表示学习论文;  动态异构论文;  社会关系网络论文;  嵌入论文;  深度学习论文;