【摘 要】
：
计算机技术的高速发展推动网络科学领域的兴起,现实世界中的各类复杂系统可抽象为复杂网络用于研究网络系统内在结构特征和演化机理。链路预测作为研究复杂网络的重要技术,已成为近年来的研究热点,其旨在根据已知的网络结构信息、属性信息等发现网络中缺失信息及预测连边的可能存在。数据分析挖掘技术的成熟帮助实现复杂网络拓扑结构的获取,可直观反映网络实体间的结构互联关系,有助于链路预测技术捕捉网络结构特征,挖掘实体间
论文部分内容阅读
计算机技术的高速发展推动网络科学领域的兴起,现实世界中的各类复杂系统可抽象为复杂网络用于研究网络系统内在结构特征和演化机理。链路预测作为研究复杂网络的重要技术,已成为近年来的研究热点,其旨在根据已知的网络结构信息、属性信息等发现网络中缺失信息及预测连边的可能存在。数据分析挖掘技术的成熟帮助实现复杂网络拓扑结构的获取,可直观反映网络实体间的结构互联关系,有助于链路预测技术捕捉网络结构特征,挖掘实体间的潜在联系。此前,链路预测技术多用于静态网络应用场景,针对动态网络场景的应用方法缺少充分的讨论分析。事实上,现实各类复杂系统中实体间的关系具有动态变化属性,网络拓扑会呈现出不同的结构态势,忽略网络的动态属性会降低链路预测技术在真实网络中的应用价值。相比于静态网络,动态网络在不同尺度下的结构特性对网络演化的驱动机制存在差异,如何挖掘并有效利用动态网络中的特征属性信息,提升预测模型在网络演化特性和规模差异下的适用性,针对动态网络中不同维度的结构特征信息和动态演化特征信息设计和改进链路预测方法是当前亟需解决的问题。基于此,本文基于网络拓扑结构规模和特征表现,分别从个体维度、局部维度、全局维度特征融合范围,设计实现准确度高,稳定性强的动态网络链路预测方法,主要完成工作如下:1.量化动态网络个体维度下的特征信息差异区分节点的网络拓扑重要性,描述节点间的未来交互优先级,提出一种基于节点匹配度的动态网络链路预测方法。节点和连边作为网络拓扑的基本组成部分对网络演化中拓扑构建具有重要贡献。针对节点间不同时刻的交互差异性问题,首先对网络节点的属性特征进行分析,定义基于原生影响力和次生影响力的节点重要性量化方法;然后引入时间衰减因子,刻画不同时刻网络拓扑对连边形成的影响程度;最后结合节点重要性和时间衰减因子定义动态节点匹配度指标,衡量节点间未来形成连边的可能性。在5个真实动态网络数据集中与12种链路预测方法进行综合比较发现,所提方法在AUC和Ranking Score两种评价标准下取得更优的预测性能,表现出较好的预测稳定性,同时保持了较低的时间复杂度。2.挖掘动态网络局部维度下的模体结构特征信息,分析随机游走过程中特征信息对游走行为的偏向引导作用,提出一种基于特征引导游走的自回归滑动平均预测模型方法。针对现有方法难以区分动态网络中复杂多变的路径连接强度问题,首先设计一种融合网络局部特征信息、节点特征影响力及时间演化因子的特征引导游走模型;然后设计自适应游走参数,利用特征引导游走模型分析网络结构,区分不同路径的连接强度,为网络中重要连边赋予稳定性贡献权重;最后按照时间步长划分含权时间序列输入自回归模型和移动平均模型处理网络历史演化信息,计算不同特征维度的多变模体结构促进节点间连边消失和出现的可能性。在9个实际网络数据集上的实验测试表明,该模型预测性能评价AUC平均提升15%,Precision评价标准平均提升13%,预测效果提升较为明显。3.挖掘动态网络全局维度下历史特征信息中蕴含的演化机制,提出基于图自注意力网络的动态网络链路预测方法。现有基于非监督学习的方法是通过调查网络结构信息在不同时刻的拓扑形态捕捉网络演化规律,而基于监督学习的方法则借助图表示学习思路将连续的时间网络快照序列转化为图嵌入向量进行训练学习。前者的实现简单,但对网络拓扑演化特征的学习训练能力不及后者,预测模型的精确度和效率较低。本论文结合图卷积网络和Transformer,提出一种可解决动态网络结构信息和演化特征提取的端到端预测模型。该模型首先利用图卷积神经网络捕捉网络快照的结构特征信息;然后通过Transformer提取网络快照序列的演化特征信息,引入自注意力机制区分不同网络快照的贡献;最后利用全连接网络计算未来时刻的相似性矩阵。在4组真实网络中的对比实验表明,本文所提方法相比于现有模型预测性能有所提升。本文研究内容中,第二章所提节点匹配度指标,适用于网络规模较大且演化尺度相对发散,以及对计算复杂度要求高于算法预测准确度的网络场景;第三章所提基于特征引导游走的自回归滑动平均模型指标适用于网络规模适中且需要在预测精确度和时间复杂度相互取舍的网络场景;第四章所提基于监督学习的深度学习模型适用于网络规模较小,对预测准确度要求高,对算法复杂度要求较低的网络场景。
其他文献
量子雷达散射截面（Quantum Radar Cross Section,QRCS）是反映量子雷达目标散射特性的重要参数,是量子雷达技术中重要的研究内容之一。典型结构目标QRCS的研究将为量子探测提供目标散射特性的先验信息,为量子探测隐身目标的信号形式和隐身目标结构的优化设计提供参考,对量子雷达原理样机的验证测试提供支撑。本文将建立各类典型结构目标的QRCS数值计算模型或封闭模型,全面分析模型中各
第五代移动通信网络（The 5th generation mobile network,5G）作为人类社会的数字信息基础设施,是全球新一轮科技革命和产业革命的重要驱动力量。5G在推动社会数字化转型的同时,其安全性愈发受到各界的广泛关注。网络架构是移动通信系统的整体设计,为网络设备、协议、数据控制和拓扑提供标准,是保障网络部署高效性、可靠性、安全性的基石。纵观移动通信网络架构的演进历程,架构安全问题
滑坡灾害是中国乃至世界范围内发生频繁的地质灾害之一,造成了严重的经济损失和大量的人员伤亡。在灾害发生后,及时快速获取滑坡位置、范围等信息,可为灾害性质判断、灾后救援、灾害治理和预防次生灾害提供重要的决策支持。利用安全快速的遥感技术进行灾后调查是滑坡区域检测的主流手段,SAR系统可以全天时全天候的对地观测,而极化SAR更丰富地记录了滑坡区域的后向散射信息,充分利用这些信息有助提高滑坡区域检测性能。本
话语即权力,在“西强我弱”的国际舆论场上,提高对外话语能力、加强国际传播能力建设迫在眉睫。外宣翻译是构建融通中外特色话语体系、增强国际话语权的重要实践,缅甸语外宣翻译是对缅讲好中国故事、在缅自塑良好形象的关键举措。语言离不开文化,翻译是两种语言间的转化活动,更是两种文化间的交流对话。因此,从跨文化的角度开展缅甸语外宣翻译研究,探讨翻译传播过程中的信息传递和话语重构问题,具有其合理性和可行性。本论文
随着空间技术的发展,高分辨率遥感在资源勘探、城市建设、国防安全等领域发挥的作用越来越明显,针对遥感影像的目标检测技术是计算机视觉和遥感数据应用的一个重要研究方向。飞机作为遥感影像中的一类典型目标,研究如何对其快速准确地检测识别在军事领域中实现信息获取和精确打击具有重要意义。由于遥感平台对地观测时位于目标上方,与目标距离较远,影像多呈现出成像范围大、目标占比小、目标任意方向排列、背景复杂等特点,增加
当前,基于深度学习的遥感影像目标检测是遥感影像处理领域的研究热点和难点,在民用领域和军事领域都具有重要意义。桥梁作为一类典型人工建筑物,在交通网络中起枢纽作用,快速准确地从遥感影像中检测桥梁目标,在最优路径选择、地理信息系统更新以及武器精确制导等方面具有较强的应用价值。本文以遥感影像中的桥梁目标为研究对象,重点围绕单阶段目标检测的关键技术展开深入研究,旨在解决桥梁目标检测中效率和精度较低等缺陷,并
随着无线通信技术的广泛应用,其安全性也愈发受到重视。无线物理层密钥生成技术利用实时变化的信道信息生成密钥,能够轻量、高效的完成密钥的安全分发,是保证通信安全的一种富有潜力的方法。近年来,为了改善传统密钥生成方法中的协商步骤存在的占用通信资源、泄露密钥信息等问题,一种无协商密钥生成与加密方法逐渐兴起。无协商方法利用信道编码实现密钥纠错,融合了密钥生成过程与通信过程,因此能够在一定程度上避免密钥协商带
5G移动通信网作为“新基建”之首,其商业化进程正在不断加速。第三代合作伙伴计划（3rd Generation Partnership Project,3GPP）等标准化组织制定了许多新技术、新架构,以满足人们对移动通信极致用户体验的需求和各垂直行业的通信需求。然而新技术、新架构的应用也带来新的安全风险和挑战。5G网络的认证与密钥协商协议是一个庞大的协议体系,各协议各司其职又相互配合,共同完成对5G
近年来,卷积神经网络（Convolutional Neural Networks,CNN）模型广泛应用于计算机视觉、自然语言处理、语音识别等任务中,取得了令人瞩目的成绩。以图像分类任务为例,2015年Resnet模型准确率成功超过人类水平,之后高质量模型也不断推陈出新,将模型准确率推向更高的水平。但是,上述成绩通常以模型的冗余计算为代价,通过将模型进行堆积叠加来获取更好的精度,导致当前构建的模型往
随着无线通信系统及其关键技术的演进,利用无线感知技术获取系统通信实体或通信环境的关键信息,越发受到学界重视。其中,信号空间分布与信道多径信息对于无线通信系统安全性能的提升有重要意义。因此,信号波达方向（Direction Of Arrival,DOA）估计和多径估计问题是无线感知技术在无线通信系统中的重要研究课题。目前,DOA估计的相关研究主要从阵列结构和信号处理算法两方面对估计精度进行提升。其中