基于群体相似性约束网络表示学习及流处理算法
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景与意义 | 第10-11页 |
| 1.2 网络表示学习定义 | 第11-12页 |
| 1.3 国内外相关研究 | 第12-15页 |
| 1.3.1 同构网络表示学习方法 | 第12-13页 |
| 1.3.2 异构网络表示学习方法 | 第13-14页 |
| 1.3.3 网络流处理方法 | 第14-15页 |
| 1.4 研究内容与论文结构 | 第15-16页 |
| 第二章 常见的网络表示学习算法 | 第16-22页 |
| 2.1 同构网络 | 第16-20页 |
| 2.1.1 LINE | 第16-18页 |
| 2.1.2 DeepWalk | 第18页 |
| 2.1.3 Node2Vec | 第18-20页 |
| 2.2 推荐系统 | 第20-21页 |
| 2.2.1 NMF | 第20页 |
| 2.2.2 SVD | 第20-21页 |
| 2.2.3 SVD++ | 第21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 基于群体相似性网络表示学习算法 | 第22-35页 |
| 3.1 群体相似性约束 | 第22-24页 |
| 3.1.1 网络节点间相似度计算 | 第22-23页 |
| 3.1.2 邻居上下文向量 | 第23-24页 |
| 3.1.3 基于群体相似性约束的损失函数 | 第24页 |
| 3.2 网络表示学习算法设计 | 第24-27页 |
| 3.2.1 同构网络表示学习算法设计 | 第24-25页 |
| 3.2.2 异构网络表示学习算法设计 | 第25页 |
| 3.2.3 网络表示学习算法求解 | 第25-27页 |
| 3.3 实验与结果分析 | 第27-34页 |
| 3.3.1 实验数据集 | 第27-28页 |
| 3.3.2 评价指标 | 第28-29页 |
| 3.3.3 实现细节 | 第29-30页 |
| 3.3.4 推荐场景实验结果 | 第30-31页 |
| 3.3.5 同构网络实验结果 | 第31-33页 |
| 3.3.6 灵敏度分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于截断邻居网络流表示学习算法 | 第35-45页 |
| 4.1 网络流表示学习介绍 | 第35-36页 |
| 4.1.1 网络流表示学习概念 | 第35页 |
| 4.1.2 二阶相似性作用 | 第35-36页 |
| 4.2 网络流表示学习算法设计 | 第36-38页 |
| 4.3 实验结果与分析 | 第38-44页 |
| 4.3.1 实验数据集 | 第38-39页 |
| 4.3.2 实现细节 | 第39页 |
| 4.3.3 实验结果 | 第39-43页 |
| 4.3.4 灵敏度分析 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-47页 |
| 5.1 研究工作总结 | 第45页 |
| 5.2 下一步工作展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 攻读硕士学位期间取得的研究成果 | 第50-51页 |
| 致谢 | 第51-52页 |
| 附件 | 第52页 |
