2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、復(fù)雜網(wǎng)絡(luò)中的鏈接預(yù)測一直以來都受到研究者們的關(guān)注,它通過分析已知網(wǎng)絡(luò)的信息,建立復(fù)雜的模型來預(yù)測網(wǎng)絡(luò)中未知的鏈接和未來可能產(chǎn)生的鏈接。鏈接預(yù)測對于探索以復(fù)雜網(wǎng)絡(luò)為模型的應(yīng)用背后的規(guī)律有著極為重要的作用。傳統(tǒng)的鏈接預(yù)測主要針對于復(fù)雜網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu),試圖通過已有的鏈接關(guān)系發(fā)現(xiàn)新的鏈接,從而探索網(wǎng)絡(luò)中隱含的知識。然而,傳統(tǒng)方法并未充分合理地利用復(fù)雜網(wǎng)絡(luò)中蘊(yùn)含的豐富屬性信息,而屬性信息對于網(wǎng)絡(luò)中鏈接的形成具有重要的作用。基于以上考慮,本文將復(fù)雜

2、網(wǎng)絡(luò)中的多維屬性信息與原有的鏈接預(yù)測模型進(jìn)行結(jié)合,研究基于屬性的鏈接預(yù)測問題。
  由于復(fù)雜網(wǎng)絡(luò)中大多數(shù)點(diǎn)對之間未鏈接,而未鏈接的點(diǎn)對作為不可信反例無法有效用于傳統(tǒng)預(yù)測模型中,因此本文利用PU學(xué)習(xí)思想(Positive and Unlabeled Learning),提出一種基于屬性的鏈接模式挖掘算法,該算法將未鏈接的點(diǎn)對以合理的方式引入訓(xùn)練模型,從組合特征的角度挖掘鏈接模式,并設(shè)計(jì)D指標(biāo)過濾具有區(qū)分力的鏈接模式,通過基于屬性的鏈

3、接模式從整體上刻畫網(wǎng)絡(luò)中鏈接形成的原因。同時(shí)針對鏈接預(yù)測問題,本文通過圖的聚集計(jì)算求解基于屬性的鏈接模式強(qiáng)度,并利用模式構(gòu)造個(gè)性化概率轉(zhuǎn)移矩陣,從而建立基于鏈接模式的局部隨機(jī)游走模型(PBLRW)。本文提出的預(yù)測方法區(qū)別于傳統(tǒng)的隨機(jī)游走預(yù)測方法,以屬性特征作為依據(jù),構(gòu)建個(gè)性化的概率轉(zhuǎn)移矩陣,使得關(guān)系緊密的節(jié)點(diǎn)之間獲得更高的隨機(jī)游走概率,從而最終產(chǎn)生更為精確的預(yù)測效果。
  本文分別在UCI數(shù)據(jù)集、政治博客(Political Bl

4、ogs)數(shù)據(jù)集和新浪微博數(shù)據(jù)集上進(jìn)行了多組實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明:(1)本文提出的鏈接模式挖掘方法能夠挖掘并過濾出具有較強(qiáng)區(qū)分力的模式,這些模式對于類別具有明顯的區(qū)分能力,因此能夠很好地刻畫鏈接是否產(chǎn)生的內(nèi)在原因;(2)本文提出的基于模式的鏈接預(yù)測模型,能夠充分利用屬性知識構(gòu)造個(gè)性化的概率轉(zhuǎn)移矩陣,克服了傳統(tǒng)隨機(jī)游走模型中轉(zhuǎn)移概率固定的缺陷;(3)對于政治博客數(shù)據(jù)集和新浪微博數(shù)據(jù)集的實(shí)驗(yàn)表明,本文提出的模型在各項(xiàng)綜合指標(biāo)上均優(yōu)于傳統(tǒng)的鏈接預(yù)

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論