基于非監(jiān)督語義編碼的圖核模型研究.pdf

1、一般地，在進(jìn)行對(duì)象建模時(shí)通常有兩種模式:基于統(tǒng)計(jì)的方法和基于結(jié)構(gòu)的方法。在統(tǒng)計(jì)模式識(shí)別中，研究對(duì)象常表示為特征向量。特征向量的表示形式具有數(shù)學(xué)運(yùn)算上的優(yōu)勢(shì)，但另一方面它缺乏對(duì)關(guān)系的表現(xiàn)力，且定長(zhǎng)的特性限制了該表示方法的靈活性。在結(jié)構(gòu)模式識(shí)別中，研究對(duì)象通常用圖模型表示。圖結(jié)構(gòu)不僅能表示對(duì)象的特性，還可以刻畫對(duì)象的不同部分之間的關(guān)系，從拓?fù)浣Y(jié)構(gòu)方面表示規(guī)模大小各不相同的研究對(duì)象。但類似向量和、積、距離等運(yùn)算在圖結(jié)構(gòu)上并沒有統(tǒng)一規(guī)范的定義，

2、原本線性時(shí)間復(fù)雜度的運(yùn)算通常需要指數(shù)級(jí)的時(shí)間。
　　基于圖在表示復(fù)雜結(jié)構(gòu)化數(shù)據(jù)時(shí)的優(yōu)越性，圖數(shù)據(jù)在各類應(yīng)用領(lǐng)域中大量出現(xiàn)。作為圖挖掘的中心研究問題，圖的相似性衡量受到了格外關(guān)注。傳統(tǒng)圖比較方法存在計(jì)算時(shí)間隨著圖規(guī)模增加而大大增加或?yàn)榱撕?jiǎn)化圖表示而忽略部分拓?fù)湫畔⒌葐栴}。近年來，圖核成為圖比較的一種有效方式。核方法通過映射將基本線性算法擴(kuò)展到復(fù)雜非線性算法，從而解決數(shù)據(jù)中非線性運(yùn)算規(guī)范問題，使得原本適用于向量的標(biāo)準(zhǔn)算法也適用于圖。<

3、br>　　本文首先研究了國(guó)內(nèi)外現(xiàn)有的定義于不同子結(jié)構(gòu)的圖核模型，它們能夠有效地進(jìn)行圖之間的比較。然而大多數(shù)圖核存在以下局限性:(a)圖核定義時(shí)所涉及的圖結(jié)點(diǎn)大多為單標(biāo)簽的，而很多時(shí)候結(jié)點(diǎn)會(huì)有多個(gè)屬性或同時(shí)屬于多個(gè)類別;(b)圖結(jié)構(gòu)中邊通常描述了蛋白質(zhì)的結(jié)構(gòu)信息或化合物原子間化學(xué)鍵的存在與否，其語義信息通常被忽略;(c)大部分圖核的計(jì)算仍然需要多項(xiàng)式的時(shí)間復(fù)雜度;(d)現(xiàn)有圖核多作用于蛋白質(zhì)和分子數(shù)據(jù)，相比于文本或圖像中的高維特征，其標(biāo)簽

4、數(shù)量較少。而當(dāng)結(jié)點(diǎn)類型空間較大時(shí)，其計(jì)算所得的相似度將趨近于零。
　　根據(jù)現(xiàn)有技術(shù)的不足，本文進(jìn)行了圖核的相關(guān)研究和擴(kuò)展，提出了兩類基于語義的圖核:基于LDA主題模型和鄰居哈希的圖核以及基于Word2vec語言模型和Weisfeiler-Lehman同構(gòu)檢測(cè)的圖核，并將算法應(yīng)用于文本分類任務(wù)以證明方法的有效性和高效性。前者利用主題模型從潛在語義層面即主題維度來描述文檔，通過圖結(jié)構(gòu)刻畫特征詞項(xiàng)之間的空間關(guān)系，利用鄰居哈希運(yùn)算的定義使