發(fā)布時間：2018-06-14 00:11

  本文選題：社會網(wǎng)絡 + 節(jié)點嵌入　； 參考：《計算機學報》2017年04期

【摘要】：網(wǎng)絡特征表示學習通過對網(wǎng)絡節(jié)點之間的關系(結構或屬性)進行分析,得出網(wǎng)絡特征的低維度表達.現(xiàn)有的針對網(wǎng)絡特征學習的方法多基于靜態(tài)和小規(guī)模的假設(如靜態(tài)的語言網(wǎng)絡),并沒有針對社會網(wǎng)絡的特有屬性進行修正學習,因此,現(xiàn)有的學習方法無法適應當前社會網(wǎng)絡所具備的動態(tài)性、大規(guī)模甚至超大規(guī)模等特性.該文在已有研究基礎上,提出了基于動態(tài)阻尼正負采樣的社會網(wǎng)絡結構特征嵌入模型(Damping Based Negative-Positive Sampling of Social Network Embedding,DNPS).通過對不同階層的網(wǎng)絡節(jié)點關系進行正負阻尼采樣,同時構建針對新增節(jié)點的動態(tài)特征學習方法,使得模型對于大規(guī)模社會網(wǎng)絡在動態(tài)變化過程中的結構特征的提取變得可行,以此獲得的節(jié)點特征表達具備更好的動態(tài)魯棒性.通過選取3個大規(guī)模的動態(tài)社會網(wǎng)絡的真實數(shù)據(jù)集和在社會網(wǎng)絡的動態(tài)鏈接預測問題的實驗中發(fā)現(xiàn):DNPS相對于基準模型(DeepWalk/LINE)在預測準確率以及時間效率上都取得了較大的性能提升.同時,DNPS的學習結果還可以被應用于社會網(wǎng)絡的相關研究子領域.例如,在大規(guī)模以及動態(tài)性的環(huán)境下,研究大規(guī)模動態(tài)社區(qū)發(fā)現(xiàn)、社會網(wǎng)絡用戶推薦、標記分類等問題.
[Abstract]:By analyzing the relationship between network nodes (structure or attribute), the low dimension expression of network features is obtained. Most of the existing methods for learning network features are based on static and small-scale assumptions (such as static language networks), and do not modify learning for the specific attributes of social networks, so, The existing learning methods can not adapt to the dynamic, large-scale or even super-scale characteristics of current social networks. In this paper, a dynamic damped positive and negative sampling model based on dynamic damped positive and negative sampling is proposed to embed the structural features of social network, which is called Damping based Negative-Positive sampling of Social Network embedding (DNPSN). By sampling positive and negative damping of network nodes at different levels and constructing a dynamic feature learning method for new nodes, it is feasible to extract the structural features of large-scale social networks in the process of dynamic change. The node feature representation obtained by this method has better dynamic robustness. Through selecting the real data sets of three large-scale dynamic social networks and the experiments on the dynamic link prediction problem of social networks, it is found that the performance of the prediction accuracy and time efficiency of the "DNPS" is higher than that of the benchmark model (DeepWalk-LINE). At the same time, the learning results of DNPS can also be applied to the relevant research subfields of social networks. For example, in the large-scale and dynamic environment, the problems of large-scale dynamic community discovery, social network user recommendation, label classification and so on are studied.
【作者單位】： 中國人民大學信息學院;中國人民大學信息資源管理學院;
【基金】：國家自然科學基金(71271211,71531012) 北京市自然科學基金(4172032) 中國人民大學科學研究基金(10XNI029) 中國人民大學2016年度拔尖創(chuàng)新人才培育資助計劃成果資助~~
【分類號】：TP181

【相似文獻】

相關期刊論文 前5條

1 陳海超;楊彩霞;梁斌;;微博的社會網(wǎng)絡結構研究[J];中國教育信息化;2013年13期

2 杜楊沁;霍有光;鎖志海;;政務微博微觀社會網(wǎng)絡結構實證分析——基于結構洞理論視角[J];情報雜志;2013年05期

3 杜楊沁;霍有光;鎖志海;;基于復雜網(wǎng)絡模塊化的微博社會網(wǎng)絡結構分析——以“上海發(fā)布”政務微博為例[J];圖書情報知識;2013年03期

4 李敏;黃翠龍;;跨部門組織社會網(wǎng)絡結構比較研究及其管理啟示[J];圖書情報知識;2011年01期

5 ;[J];;年期

相關重要報紙文章 前1條

1 徐中振;構建和諧社會的網(wǎng)絡支持系統(tǒng)[N];文匯報;2006年

相關碩士學位論文 前10條

1 張瑞;基于復雜網(wǎng)絡技術的社會網(wǎng)絡結構分析[D];濟南大學;2015年

2 石亞靈;重慶歷史地區(qū)的社會網(wǎng)絡保護更新研究[D];重慶大學;2015年

3 卜曲;基于虛擬社區(qū)網(wǎng)絡結構解析的品牌價值發(fā)現(xiàn)研究[D];重慶郵電大學;2016年

4 楊明委;虛擬社區(qū)社會網(wǎng)絡結構對知識共享的影響研究[D];蘭州大學;2014年

5 張榮;復雜社會網(wǎng)絡結構與創(chuàng)新抗拒關系的仿真研究[D];武漢科技大學;2014年

6 邢小云;在線社會網(wǎng)絡結構演化及其對信息傳播影響研究[D];合肥工業(yè)大學;2012年

7 潘艷;社會網(wǎng)絡觀點模型的演化與分析[D];東華大學;2013年

8 靳亞男;社會網(wǎng)絡服務使用對個人社會資本影響機制研究[D];清華大學;2009年

9 楊智;基于社會網(wǎng)絡分析的虛實社區(qū)特性研究[D];重慶大學;2010年

10 張巖;中小企業(yè)網(wǎng)絡：結構、資源與績效[D];汕頭大學;2007年

，

本文編號：2016128