基于异构图的实体关联性挖掘
| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-11页 |
| 1 引言 | 第11-15页 |
| 1.1 课题的研究背景及意义 | 第11-12页 |
| 1.2 本文的研究工作 | 第12-13页 |
| 1.3 论文的组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 2 异构图数据挖掘的研究进展 | 第15-23页 |
| 2.1 异构图的定义 | 第15-16页 |
| 2.2 研究进展 | 第16-20页 |
| 2.2.1 链接预测 | 第16-18页 |
| 2.2.2 排序模型 | 第18-19页 |
| 2.2.3 推荐系统 | 第19-20页 |
| 2.3 本章小结 | 第20-23页 |
| 3 基于图嵌入的矩阵分解推荐算法 | 第23-35页 |
| 3.1 协同过滤推荐技术介绍 | 第23-24页 |
| 3.2 矩阵因子分解算法介绍 | 第24-25页 |
| 3.3 自编码器介绍 | 第25-26页 |
| 3.4 基于图嵌入的矩阵分解算法 | 第26-30页 |
| 3.4.1 模型构建 | 第28-29页 |
| 3.4.2 模型求解 | 第29-30页 |
| 3.5 实验结果与分析 | 第30-33页 |
| 3.5.1 数据集描述及评价标准 | 第30-31页 |
| 3.5.2 模型对比 | 第31-32页 |
| 3.5.3 模型参数的影响 | 第32-33页 |
| 3.6 本章小结 | 第33-35页 |
| 4 跨域实体链接预测问题 | 第35-51页 |
| 4.1 跨域链接预测问题 | 第35-36页 |
| 4.2 跨域的多阶段链接预测模型 | 第36-37页 |
| 4.3 召回模型 | 第37-38页 |
| 4.4 匹配模型 | 第38-43页 |
| 4.4.1 词向量 | 第38-41页 |
| 4.4.2 模型训练 | 第41-42页 |
| 4.4.3 基于主动学习的负采样算法 | 第42-43页 |
| 4.5 实验结果与分析 | 第43-48页 |
| 4.5.1 数据集描述及评价标准 | 第44-45页 |
| 4.5.2 词向量参数的影响 | 第45-47页 |
| 4.5.3 词向量加权算法的影响 | 第47-48页 |
| 4.5.4 分类器模型对比 | 第48页 |
| 4.6 本章小结 | 第48-51页 |
| 5 基于图文异构图的匹配问题 | 第51-63页 |
| 5.1 图文匹配问题 | 第51-52页 |
| 5.2 深度图文匹配模型 | 第52-58页 |
| 5.2.1 图像特征提取模型 | 第52-53页 |
| 5.2.2 文本特征提取模型 | 第53-56页 |
| 5.2.3 联合学习模型 | 第56-58页 |
| 5.3 实验结果与分析 | 第58-60页 |
| 5.3.1 数据集描述及评价标准 | 第58-59页 |
| 5.3.2 关键词数量的影响 | 第59-60页 |
| 5.3.3 模型对比 | 第60页 |
| 5.4 本章小结 | 第60-63页 |
| 6 结论 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 未来展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 作者简历 | 第71-75页 |
| 学位论文数据集 | 第75页 |
