收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

大规模复杂信息网络表示学习:概念、方法与挑战

齐金山  梁循  李志宇  陈燕方  许媛  
【摘要】:大数据时代的到来,使得当前的复杂信息网络研究领域面临着三个基础性问题,即网络的动态性、大规模性以及网络空间的高维性.传统复杂信息网络特征的表示通常以邻接矩阵、出入度、中心性等离散型方式表达,这种表达方式在现有的大规模动态信息网络的新环境下,其计算效率及准确率都受到了很大的挑战.随着机器学习算法的不断发展,复杂信息网络的特征表示学习同样也引起了越来越多的关注.与自然语言中的词向量学习的目标类似,目前较为前沿的大规模复杂网络特征表示学习方法的目标是将网络中任意顶点的结构特征映射到一个低维度的、连续的实值向量,在进行这种映射的过程中,尽量保留顶点之间的结构特征关系,使大规模网络特征学习能够有效地应用于各类网络应用中,如网络中的链接预测、顶点分类、个性化推荐、大规模社区发现等.通过对复杂信息网络特征的学习,不仅能够有效缓解网络数据稀疏性问题,而且把网络中不同类型的异质信息融合为整体,可以更好地解决某些特定问题.同时,还能够高效地实现语义相关性操作,从而显著提升在大规模,特别是超大规模的网络中进行相似性顶点匹配的计算效率等.该文主要对近些年来关于复杂信息网络表示学习的方法和研究现状进行了总结,并提出自己的想法和意见.首先概述了表示学习的发展历史,然后分别阐述了有关大规模复杂信息网络、网络表示学习等基本概念与理论基础;接着,根据学习模型的不同,对经典的、大规模的、基于内容的、基于融合的以及异构的网络表示学习模型进行了全面的分析与比较.另外,对当前的网络表示学习方法所采用的实验数据集、评测指标以及应用场景等也进行了总结概括.最后给出了大规模复杂信息网络表示学习的研究难题以及未来的研究方向.大规模复杂网络表示学习是一个复杂的问题.当前研究中,大多数学习模型是根据复杂网络的结构或者内容来进行顶点的特征表示学习.只有融合复杂网络结构特征和内容特征的表示学习才能够更好地反映出一个网络特征的真实情况,使得学习得到的网络特征表示更具有意义与价值.

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 齐金山;梁循;李志宇;陈燕方;许媛;;大规模复杂信息网络表示学习:概念、方法与挑战[J];计算机学报;2018年10期
2 郭振宏;李海峰;;异质信息网络中演员合作关系的链路预测[J];计算机工程;2017年01期
3 张瑰;;对高等数学及其学习的认识与思考[J];无锡南洋学院学报;2004年02期
4 姜超;李国春;;提高中医院校学生学习统计学兴趣的教学体会[J];科技资讯;2016年31期
5 于晓爽;;当前大学生学习高等数学问题分析[J];现代商贸工业;2016年34期
6 豆中丽;;浅析如何提高学生学习《微积分》的兴趣[J];石河子科技;2017年03期
7 蒋壮;;关于物理与应用数学的差别思考[J];经贸实践;2016年23期
8 王选晟;;关于微积分中定义、定理、法则等学习的几点思考[J];数学教学通讯;2016年36期
9 吴玉琴;;在合作学习中如何培养学生积极互赖的探索[J];考试周刊;2016年99期
10 王银霞;;高等数学学习和教学的几点认识[J];考试周刊;2017年08期
11 王良伟;;数学分析有效学习的实践探索与研究[J];文理导航(中旬);2017年07期
12 胡骏;马倩;;试论高数教学培养学生学习兴趣的方式[J];考试周刊;2017年48期
13 任怀廷;经济数学(一)考题摘编[J];内蒙古电大学刊;1990年11期
14 陈丽娜;李燕飞;;浅谈如何激发高职生数学课程学习兴趣[J];东西南北;2018年13期
15 Hans Freudenthal ,金尔;数学教育的主要问题(续)[J];数学通报;1984年04期
16 张蕊;张桂发;郭记眀;蒋洪波;;富属性异质信息网络的可约束异常检测[J];华中科技大学学报(自然科学版);2017年12期
17 陈泱;;基于层次基模型的信息网络层次关系挖掘方法研究[J];科技创新与生产力;2017年11期
18 王莉;;移动学习在高职数学学习中的应用[J];好家长;2018年47期
19 郑晔,钟昌标;信息网络对区域经济发展影响的机制分析[J];数量经济技术经济研究;2002年12期
20 沙敏林;;试论数学学习中的主体想象[J];科技风;2012年22期
中国博士学位论文全文数据库 前1条
1 赵星;带权信息网络之计量测度研究[D];浙江大学;2014年
中国硕士学位论文全文数据库 前9条
1 孟晓峰;基于异质信息网络的相似性度量研究[D];北京邮电大学;2015年
2 陈苍;基于深度学习的量化择时策略研究[D];兰州财经大学;2017年
3 王付良;基于复杂网络特征的人脑功能连接预测[D];中国石油大学(华东);2016年
4 朱天晨;极性信息网络节点相关性度量问题研究[D];山东大学;2017年
5 谷强;异质信息网络下关系推理的研究[D];北京邮电大学;2017年
6 焦晓宇;基于复杂网络特征的临床分类分析方法研究[D];北京交通大学;2016年
7 刘杨杨;信息网络中流问题的灵敏度分析[D];国防科学技术大学;2014年
8 张碧雯;复杂信息网络的弹性评估与优化方法研究[D];西安电子科技大学;2017年
9 庄勇;无标度网络上的信息路由策略[D];中国科学技术大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978