期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于矩阵分解的DeepWalk链路预测算法 被引量:6
1
作者 冶忠林 曹蓉 +2 位作者 赵海兴 张科 朱宇 《计算机应用研究》 CSCD 北大核心 2020年第2期424-429,442,共7页
现有的链路预测方法的数据来源主要是基于邻居、路径和随机游走的方法,使用的是节点相似性假设或者最大似然估计,尚缺少基于神经网络的链路预测研究。基于神经网络的一些研究表明,基于神经网络的DeepWalk网络表示学习算法可以更加有效... 现有的链路预测方法的数据来源主要是基于邻居、路径和随机游走的方法,使用的是节点相似性假设或者最大似然估计,尚缺少基于神经网络的链路预测研究。基于神经网络的一些研究表明,基于神经网络的DeepWalk网络表示学习算法可以更加有效地挖掘到网络中的结构特征,已有研究证明DeepWalk等同于分解目标矩阵。因此,提出了一种基于矩阵分解的DeepWalk链路预测算法(LPMF)。该算法首先基于矩阵分解的DeepWalk算法分解得到网络的表示向量;然后通过余弦相似度计算每对节点之间的相似度,构建目标网络的相似度矩阵;最后利用相似度矩阵,在三个真实的引文网络中进行链路预测实验。实验结果表明,提出的链路预测算法性能优于现存的20余种链路预测算法。这充分表明了LPMF能够有效地挖掘网络中节点之间的结构关联性,而且在实际网络的链路预测中能够发挥出较为优异的性能。 展开更多
关键词 链路预测 神经网络 deepwalk 网络表示学习 矩阵分解 相似度矩阵
在线阅读 下载PDF
基于DeepWalk算法的电力系统错误数据注入网络攻击分类方法 被引量:9
2
作者 连祥龙 钱瞳 +1 位作者 张银 唐文虎 《电力自动化设备》 EI CSCD 北大核心 2023年第3期166-171,共6页
为了准确、有效地识别错误数据注入攻击(FDIA)对电网造成危害的严重程度,提出了基于DeepWalk算法的FDIA分类新方法。根据FDIA的特点,构建电力系统的响应模型;提出批量随机边删减策略,将响应模型生成的攻击数据构造为攻击场景图;采用Deep... 为了准确、有效地识别错误数据注入攻击(FDIA)对电网造成危害的严重程度,提出了基于DeepWalk算法的FDIA分类新方法。根据FDIA的特点,构建电力系统的响应模型;提出批量随机边删减策略,将响应模型生成的攻击数据构造为攻击场景图;采用DeepWalk算法将攻击场景图中的节点映射为低维向量,并将其作为机器学习算法的输入对FDIA进行分类。以遭受FDIA的IEEE 39节点系统为例进行仿真,结果表明所提方法可以根据FDIA对电网造成危害的严重程度准确、有效地对FDIA进行分类。 展开更多
关键词 电力系统 网络攻击 错误数据注入攻击 deepwalk算法 节点分类
在线阅读 下载PDF
基于deepwalk方法的适应有限文本信息的DWLTI算法
3
作者 江东灿 陈维政 闫宏飞 《郑州大学学报(理学版)》 CAS 北大核心 2017年第1期29-33,共5页
提出一种新的网络表示学习算法DWLTI,它是可以同时考虑网络的结构信息和节点的文本属性信息的低维向量表示.DWLTI模型是一种基于deepwalk方法的能够适应有限文本信息的新模型.它通过采用合适的数据融合形式,同时最大化随机游走获得的节... 提出一种新的网络表示学习算法DWLTI,它是可以同时考虑网络的结构信息和节点的文本属性信息的低维向量表示.DWLTI模型是一种基于deepwalk方法的能够适应有限文本信息的新模型.它通过采用合适的数据融合形式,同时最大化随机游走获得的节点序列和文本内容的词语序列的共现概率.通过应用两棵哈夫曼子树,使得即使只有少量部分节点拥有自身的文本信息,这些稀疏信息也能被充分利用.最后在真实网络数据集上进行节点分类实验,评估学习到的节点表示的质量.实验结果表明,利用有限文本信息的DWLTI优于多种经典基线模型. 展开更多
关键词 deepwalk 层次Softmax 有限文本信息 网络表示学习 深度学习
在线阅读 下载PDF
考虑出行场景的适老助行产品服务设计质量屋研究
4
作者 李逸群 耿秀丽 《计算机集成制造系统》 北大核心 2025年第5期1858-1871,共14页
质量功能展开(QFD)是常用的需求驱动型方案设计方法和工具。针对传统获取需求的局限性,从老人出行场景出发获取需求属性,将图嵌入法与重启随机游走(RWR)算法结合,构建双层网络链路预测模型,预测非邻节点存在链路的概率,挖掘关键需求属... 质量功能展开(QFD)是常用的需求驱动型方案设计方法和工具。针对传统获取需求的局限性,从老人出行场景出发获取需求属性,将图嵌入法与重启随机游走(RWR)算法结合,构建双层网络链路预测模型,预测非邻节点存在链路的概率,挖掘关键需求属性及其相似性。针对质量屋需求赋权主观性问题,基于获取的关键需求相似性矩阵,先对矩阵数值聚类评分,再采用DEMATEL方法间接得到需求属性权重。针对质量屋工程特性重要度矩阵计算传统方法没有考虑决策者风险心理偏好的问题,采用TODIM通过损失规避系数取值考虑专家应对风险的心理偏好,通过计算工程特性的总体优势度进行重要性排序,并提出适老助行产品开发、再设计策略。最后以适老助行产品供应商产品服务系统工程特性重要度分析为例,通过算例分析,验证所提方法的有效性。 展开更多
关键词 适老助行产品 产品服务系统 质量功能展开 deepwalk 重启随机游走 DEMATEL TODIM
在线阅读 下载PDF
面向动态交通流多步预测的时空图模型 被引量:1
5
作者 杨平 李成鑫 +1 位作者 刘宜成 吕淳朴 《计算机工程与设计》 北大核心 2024年第4期1195-1201,共7页
为更好表征交通路网中节点之间的动态隐式关系,提出一种基于时空数据嵌入的动态图卷积交通流预测模型。基于路网中节点之间的共现关系,利用深度游走算法将时空数据映射到嵌入空间中学习节点的向量表示;引入时隙嵌入特征与二维空间嵌入... 为更好表征交通路网中节点之间的动态隐式关系,提出一种基于时空数据嵌入的动态图卷积交通流预测模型。基于路网中节点之间的共现关系,利用深度游走算法将时空数据映射到嵌入空间中学习节点的向量表示;引入时隙嵌入特征与二维空间嵌入特征共同构建三维嵌入邻接张量,用于捕获时空依赖关系;在图卷积网络中添加自适应更新机制,利用循环组件演化图卷积网络的参数,以捕获图序列的动态性。将所提模型应用于基于真实交通数据集的交通流预测,结果验证了其有效性和提取路网隐式关系的准确性。 展开更多
关键词 交通流预测 时空数据嵌入 深度游走算法 节点向量表示 时空依赖 动态图卷积 自适应更新机制
在线阅读 下载PDF
基于超图和K-means改进的异质网络社区发现算法 被引量:2
6
作者 赵宇红 张晓楠 《计算机应用与软件》 北大核心 2021年第10期290-296,共7页
为解决异质信息网络社区发现问题,提出一种基于超图和K-means改进的算法。引入超图对异质网络进行建模,通过DeepWalk的深度随机游走产生节点序列,利用Skip-gram模型将网络节点序列映射到一个低维的向量空间,通过节点向量间距离进行聚类... 为解决异质信息网络社区发现问题,提出一种基于超图和K-means改进的算法。引入超图对异质网络进行建模,通过DeepWalk的深度随机游走产生节点序列,利用Skip-gram模型将网络节点序列映射到一个低维的向量空间,通过节点向量间距离进行聚类完成社区发现。针对传统K-means在初始聚类中心选择的敏感性问题,提出一种基于密度基尼系数的聚类中心选取方法。在两个真实数据集上进行了实验,实验结果表明,该算法不仅能够完成异质信息网络的社区划分,且社区识别精度高。 展开更多
关键词 K-MEANS 异质网络 超图 deepwalk
在线阅读 下载PDF
复杂网络上基于多维特征表示学习的推荐算法 被引量:9
7
作者 丁来旭 刘洪娟 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2022年第3期359-367,共9页
网络表示学习可以有效解决推荐面临的数据稀疏问题.本文对网络表示学习中LINE算法和DeepWalk算法进行改进,提出混合推荐算法并应用于电影推荐场景.该算法通过学习用户喜好特征、厌恶特征和相似用户特征,生成三个低维特征向量.将三个低... 网络表示学习可以有效解决推荐面临的数据稀疏问题.本文对网络表示学习中LINE算法和DeepWalk算法进行改进,提出混合推荐算法并应用于电影推荐场景.该算法通过学习用户喜好特征、厌恶特征和相似用户特征,生成三个低维特征向量.将三个低维特征向量线性组合拼接成用户表示向量,以余弦相似度作为相似性指标,将相似用户关联的电影推荐给目标用户,实现电影推荐.实验结果表明,所提出的推荐算法相较于次优算法,在MovieLens数据集上的准确率和F 1指标分别提升12%和7%,在MovieTweetings数据集上的准确率和F 1指标分别提升16%和18%.本文提出的基于多维特征表示学习的推荐算法在电影推荐类场景中,具有显著的优越性. 展开更多
关键词 网络表示学习 推荐算法 多维特征学习(MFL) LINE deepwalk
在线阅读 下载PDF
基于深度游走模型的标签传播社区发现算法
8
作者 冯曦 朱福喜 刘世超 《计算机工程》 CAS CSCD 北大核心 2018年第3期220-225,232,共7页
针对传统标签传播算法准确率较低的问题,提出一种基于深度游走模型的改进标签传播算法。以社会网络作为深度游走模型的输入,通过深度随机游走的方式对网络中的节点进行采样得到随机序列,并基于Skip Gram模型对其进行神经网络训练。运用... 针对传统标签传播算法准确率较低的问题,提出一种基于深度游走模型的改进标签传播算法。以社会网络作为深度游走模型的输入,通过深度随机游走的方式对网络中的节点进行采样得到随机序列,并基于Skip Gram模型对其进行神经网络训练。运用层次Softmax对Skip Gram模型进行求解,得到节点的特征向量后在邻居节点之间计算节点相似度,将其作为标签传播概率的权重进行标签的传播迭代,最终得到社区发现的结果。在6个真实网络数据集和合成数据集上进行实验,结果表明,与传统标签传播算法相比,该改进算法具有较高的准确率,尤其对于节点个数在100以上的真实网络,Q值提高10%以上。 展开更多
关键词 深度游走模型 随机序列 特征向量 SkipGram模型 节点相似度 传播迭代
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部