融合社区信息和局部信息的网络表示研究

来源 :重庆邮电大学 | 被引量 : 0次 | 上传用户:assofour
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着信息技术的发展和传统产业的数字化转型,网络被广泛用于刻画复杂系统数据间关系,常见的如引文网络、社交网络等,对网络数据进行有效地表示有利于为下游的网络分析任务提供支撑。传统的邻接矩阵或相似矩阵表示方法,在面对大规模网络时存在高维稀疏的缺点,不利于后续使用机器学习模型进行网络分析。网络表示可以把原始网络映射到向量空间,并保存原始网络的信息。但现有的网络表示方法大多仅考虑了网络中的局部信息,忽略了网络中的全局信息,如社区信息,难以有效地学习网络中节点的低维稠密表示。社区信息作为网络中的重要高阶信息,能从网络全局对节点关系进行强化,因此研究融合社区信息和局部信息的网络表示方法具有重要意义。本文对此进行了研究,主要工作如下:1.针对无属性网络(仅包含结构信息的网络)提出一种融合社区连接信息的网络表示方法,以解决现有大多网络表示方法忽略了网络中社区内信息和社区间信息的问题。该方法首先结合社区发现算法获得网络的社区结构,然后基于不同社区的亲密度,捕捉网络中社区间关系,接着采用随机游走的方式保留网络局部信息,并采用社区跳跃游走的方式保留网络社区内信息和社区间信息,最后通过负采样优化的Skip-Gram模型得到与之对应的网络表示结果。在3个公开数据集上的实验结果表明,该方法相比基准方法在链接预测和节点分类任务的效果都有一定程度的提升。2.针对属性网络(包含结构信息和节点自身属性信息的网络)提出一种基于社区增强图注意力网络的网络表示方法,解决了现有大多网络表示方法仅考虑结构信息而忽略了网络中属性信息的问题,同时解决了部分方法考虑了节点属性信息,但受模型深度影响,未考虑网络中社区信息的问题。该方法首先通过图注意力网络聚合网络中节点的局部结构信息以及属性信息,然后利用已知的节点标签信息得到网络社区中心,并计算社区节点向社区中心聚集的聚类损失,最后将聚类损失结合下游任务产生的损失进行训练以学习网络的表示。在3个公开数据集上的实验结果表明,该方法相比基准方法在节点分类任务的性能有一定程度的提升,同时增强了网络可视化结果的区分性。
其他文献
图像超分辨率重建作为计算机视觉低层任务之一,具体为将低分辨率图像通过一定的算法重建出高分辨率图像。该技术可以在不升级成像硬件的条件下,提升图像质量,故其受到广泛关注。目前基于卷积神经网络的图像超分辨率重建算法重建地的具有较高的峰值信噪比,但重建的图像较为平滑,观感较差;基于生成对抗网络的图像超分辨率重建算法重建的图像具有较多的纹理细节,观感更佳,但也存在着重建速度较慢,容易生成不真实伪影。本文主要
学位
随着深度学习的出现与发展,人脸识别技术日趋成熟,识别准确率在受限环境下已然接近饱和。然而在非受限条件下的人脸识别仍然面临着诸多巨大的技术挑战,比如遮挡,光照条件,人脸角度姿态等。其中,姿态是引起人脸识别模型性能大幅下降的重要因素。在早期的人脸识别方法中,往往假设输入模型的人脸图像是一张平视角度的正面视图或者是小角度的近正面视图。在这样的假设条件下,模型能够得出良好的识别效果,但对于大姿态,特别是极
学位
隐私比较是指协议双方或多方参与者对各方隐私数据进行比较,得出其大小关系或相等关系,同时要保证各方隐私数据不被泄露。隐私排序问题为隐私比较大小问题的扩展。随着量子密码学的兴起,隐私比较和排序向量子领域拓展。目前量子隐私比较和量子隐私排序协议存在效率偏低、资源态制备复杂度高和依赖第三方等问题。鉴于此,本文提出了一个基于量子随机行走搜索算法的量子隐私大小比较协议和一个基于Grover算法的量子隐私排序协
学位
网络流量分类之所以一直是学术界和产业界共同关注的热点之一,是因为它对于网络安全监管、网络发展规划和网络流量调度具有十分重要的意义。其中,基于深度学习的集中式训练方法是研究人员的关注焦点,这种训练模式需要将客户端的私有流量集中部署在网络运营商的大型设备中用于存储和计算海量数据。但是集中式训练过程频频出现数据泄漏等安全隐患,这将严重威胁客户的隐私。而联邦学习能够在不集中原始流量的情况下,协同网络运营商
学位
抑郁症群体执行功能受损方面的研究很多,但从步态操纵的角度去研究改善抑郁症群体执行功能的研究不多。运动心理是一个心理模拟运动的过程,没有实际的动作。有研究表明,前额叶皮层参与了步态运动想象和步态控制,但支持这种观点的证据并不一致。本研究旨在通过两个实验来探究抑郁症大学生执行功能与行走步态的关系,验证行走步态控制是否可以改善抑郁症群体的执行功能,并利用近红外技术探究行走步态控制影响执行功能的生理基础。
学位
目的:随着国家对高等教育的重视,大学生群体越来越庞大。他们的心理问题受到了相当程度的重视,然而在这个群体中有一个小群体却被大家所忽视,那就是肢体活动受限的大学生。这个群体中的学生因为各种原因肢体活动受到了限制,致使不能像大部分人一样自由的进行体力活动,伴随而来的就有可能是各种心理问题。本研究针对肢体受限大学生的心理问题开展研究,调查广州大学肢体受限大学生的日常体力活动情况,研究体力活动和情绪调节相
学位
网络表示学习是通过机器学习方法将高维稀疏数据转换为低维稠密数据,现有的工作主要集中在静态网络和动态同质网络。然而绝大部分网络属于动态异质网络。随着时间推移,网络中节点和边的增加或删除会导致网络的拓扑结构和语义发生变化。目前,大多数动态异质网络表示学习方法使用快照对动态异质网络定义,其前提是需要确保相邻两个时刻的子网络的平滑演化。但是,在一些真实网络中,子网络的节点和边存在巨大差异,基于快照的划分方
学位
近年来,随着深度学习的发展及非限定条件下的人脸数据采集,人脸识别效果日益完善。在日常生活中,人脸识别技术也得到了广泛的应用,如门禁系统,扫脸支付等。但在非限定条件下,人脸识别依旧存在着一些问题,有研究表明:相比于近正脸的人脸识别效果,侧脸的识别显得不尽人意。其中有两个因素导致这一现象:一方面,人脸的姿态偏转会引起自遮挡和非线性面部扭曲等现象,增大了模型对侧脸图像提取特征的难度。另一方面,对于非限定
学位
在学前儿童的幼小衔接阶段,学界不断强调科学的入学准备,不仅因为其对儿童进入小学后的学业表现具有预测性,更因为它对儿童的终身学习、成长和未来发展都具有深远的重要意义。而入学准备不仅要关注儿童自身的准备,更应关注家庭环境的准备。本研究通过调查大班儿童的家庭社会经济地位、家庭学习环境及其入学准备的基本现状,探讨家庭社会经济地位与家庭学习环境对儿童入学准备的影响机制,最终提出创设优质家庭学习环境的教育建议
学位
工业物联网在应用过程中需要数据共享,数据共享的双方会存在访问控制问题。因此在一些需要严格保证数据隐私性的工业物联网应用中,确保数据拥有者能够完全控制访问者的访问权限是实现这些应用的关键。工业物联网设备收集到信息后需要保存到数据库中,使用中心化的数据库会带来单点故障问题。数据拥有者出于自身的利益会篡改或者否认历史数据,确保数据能够高效安全的存储和历史数据不会被篡改是这些应用落地的基础保障。以下是本文
学位