版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著互聯(lián)網(wǎng)+時(shí)代的到來,數(shù)據(jù)的產(chǎn)生日益增多,如何從海量的數(shù)據(jù)中獲取有價(jià)值的信息,已成為數(shù)據(jù)挖掘的使命。在實(shí)際中,數(shù)據(jù)經(jīng)常會(huì)以圖結(jié)構(gòu)來組織,圖挖掘便成為重要的研究課題。在諸多算法思路中,近兩年新提出的圖結(jié)點(diǎn)特征向量生成算法實(shí)現(xiàn)了業(yè)界最優(yōu)水平,受到了眾多學(xué)者的關(guān)注。
本文提出了GraRep,一種新的算法可以利用圖的結(jié)構(gòu)信息生成具有語義、拓?fù)涮匦缘膱D結(jié)點(diǎn)特征向量表示。與其他已有工作不同,本文提出的算法充分利用了圖上的互補(bǔ)的局部結(jié)構(gòu)信
2、息,并綜合在一起構(gòu)成全局結(jié)構(gòu)信息。本文從數(shù)學(xué)上形式化的證明了該算法相較于一些文獻(xiàn)已有算法的優(yōu)勢(shì)所在,包括Perozzieta/.提出的DeepWalk模型,以及Mikolovetal.提出的skip-gram模型。從真實(shí)的實(shí)驗(yàn)數(shù)據(jù)中,驗(yàn)證了GraRep在實(shí)驗(yàn)結(jié)果上達(dá)到業(yè)界最優(yōu)水平。為了充分體現(xiàn)該算法的性能,本文的實(shí)驗(yàn)數(shù)據(jù)分別來自新聞文本網(wǎng)絡(luò),社交網(wǎng)絡(luò)和文獻(xiàn)引用網(wǎng)絡(luò)三種不同性質(zhì)的數(shù)據(jù),包括有有權(quán)圖與無權(quán)圖、稀疏圖與稠密圖,圖的結(jié)點(diǎn)數(shù)目差異
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 圖的特征向量的組合結(jié)構(gòu).pdf
- 基于特征向量的個(gè)性化推薦算法研究.pdf
- [學(xué)習(xí)]方陣的特征值與特征向量
- 圖的主特征向量及其應(yīng)用.pdf
- 基于圖特征向量的Android程序相似性檢測(cè)算法研究.pdf
- 網(wǎng)頁信息搜索中特征向量方法
- 人臉識(shí)別中的特征向量優(yōu)化算法研究.pdf
- 基于特征向量的時(shí)態(tài)XML索引研究.pdf
- 混合圖的奇異度與特征向量.pdf
- 基于特征向量的語義角色標(biāo)注研究.pdf
- 基于混沌特征向量的動(dòng)態(tài)紋理識(shí)別.pdf
- 基于特征向量的音樂情感分析的研究.pdf
- 基于特征向量和神經(jīng)網(wǎng)絡(luò)的邊緣檢測(cè)算法研究.pdf
- 基于多重特征向量的興趣模型及其應(yīng)用.pdf
- 基于特征向量的宏基因組測(cè)序序列分類算法研究.pdf
- 基于特征向量統(tǒng)計(jì)的極化SAR地物分類.pdf
- 基于特征向量的名詞短語指代消解研究.pdf
- 兩類混合圖的特征值與特征向量.pdf
- 譜劃分算法中特征向量選取方法的研究.pdf
- 基于特征向量的人物關(guān)系抽取方法研究.pdf
評(píng)論
0/150
提交評(píng)論