社交网络中,节点间存在多种关系类型,节点数量会随着时间的推移而变化,这种异质性和动态性给链路预测任务带来极大的挑战。因此,本文提出一种基于增量学习的社交网络链路预测方法(incremental learning social networks link prediction...社交网络中,节点间存在多种关系类型,节点数量会随着时间的推移而变化,这种异质性和动态性给链路预测任务带来极大的挑战。因此,本文提出一种基于增量学习的社交网络链路预测方法(incremental learning social networks link prediction,IL-SNLP)。通过对网络进行分层,使每一层网络只包含一种关系类型,以更好地获取节点在每种关系类型下的语义信息;针对网络的动态性,利用时序随机游走捕获社交网络中的局部结构信息和时序信息;针对增量数据,采用增量式更新随机游走策略对历史随机游走序列进行更新。通过增量式skip-gram模型从随机游走序列中提取新出现节点的特征,并进一步更新历史节点的特征;针对网络的异质性,采用概率模型提取不同关系类型之间的因果关系关联程度,并将其作用于每一层的节点特征,以改善不同关系层下节点特征表现能力;利用多层感知机构建节点相互感知器,挖掘节点间建立连接时的相互贡献,实现更高的链路预测准确率。实验结果表明,在3个真实的社交网络数据集上,IL-SNLP方法的ROC曲线下的面积(AUC)和F1分数比基线方法分别提高了10.08%~67.60%和1.76%~64.67%,提升了预测性能;对于增量数据,只需要少次迭代就能保持预测模型的性能,提高了模型训练的速度;与未采用增量学习技术的IL-SNLP−方法相比,IL-SNLP方法在时间效率上提升了30.78%~257.58%,显著缩短了模型的运行时长。展开更多
砌体建筑群在地震中往往破坏严重损失巨大,合理评估地震作用对不同种类砌体结构造成破坏的风险变得至关重要。传统基于后验概率的地震危险性分析方法忽略了砌体建筑个体差异性的影响,未深入考虑多种震害因子的耦合作用。本文以华南地区...砌体建筑群在地震中往往破坏严重损失巨大,合理评估地震作用对不同种类砌体结构造成破坏的风险变得至关重要。传统基于后验概率的地震危险性分析方法忽略了砌体建筑个体差异性的影响,未深入考虑多种震害因子的耦合作用。本文以华南地区砌体建筑群为例,开发了一种集成概率方法来对城市砌体结构的破坏风险进行建模,考虑建筑年代、层数、使用用途和墙厚四类震害因子的耦合影响,采用(Kolmogorov-Smirnov)K-S检验,在设定地震动参数下选取Gaussian分布、Log-Normal分布、Gumbel分布和Beta分布四种概率分布对该地区砌体建筑物的破坏状态概率分布参数进行拟合。通过均方根误差(Root Mean Square Error)RMSE进行拟合优度评价,最终建立基于Gaussian分布和Log-Normal分布的砌体建筑物破坏联合概率模型。最后,以华南地区三个城市典型砌体建筑物为例进行实例对比验证,将基于本文建立的建筑破坏概率模型推算出的砌体建筑群震害矩阵与基于单体结构分析得到的震害矩阵进行对比,与理论值最大偏差为0.0333。研究表明:本文构建的集成概率方法能够获得更加合理的城市砌体建筑物震害矩阵,提供了考虑结构固有不确定性和随机不确定性的有效途径,有助于推动城市建筑韧性评价和设计理论的发展。展开更多
文摘社交网络中,节点间存在多种关系类型,节点数量会随着时间的推移而变化,这种异质性和动态性给链路预测任务带来极大的挑战。因此,本文提出一种基于增量学习的社交网络链路预测方法(incremental learning social networks link prediction,IL-SNLP)。通过对网络进行分层,使每一层网络只包含一种关系类型,以更好地获取节点在每种关系类型下的语义信息;针对网络的动态性,利用时序随机游走捕获社交网络中的局部结构信息和时序信息;针对增量数据,采用增量式更新随机游走策略对历史随机游走序列进行更新。通过增量式skip-gram模型从随机游走序列中提取新出现节点的特征,并进一步更新历史节点的特征;针对网络的异质性,采用概率模型提取不同关系类型之间的因果关系关联程度,并将其作用于每一层的节点特征,以改善不同关系层下节点特征表现能力;利用多层感知机构建节点相互感知器,挖掘节点间建立连接时的相互贡献,实现更高的链路预测准确率。实验结果表明,在3个真实的社交网络数据集上,IL-SNLP方法的ROC曲线下的面积(AUC)和F1分数比基线方法分别提高了10.08%~67.60%和1.76%~64.67%,提升了预测性能;对于增量数据,只需要少次迭代就能保持预测模型的性能,提高了模型训练的速度;与未采用增量学习技术的IL-SNLP−方法相比,IL-SNLP方法在时间效率上提升了30.78%~257.58%,显著缩短了模型的运行时长。
文摘砌体建筑群在地震中往往破坏严重损失巨大,合理评估地震作用对不同种类砌体结构造成破坏的风险变得至关重要。传统基于后验概率的地震危险性分析方法忽略了砌体建筑个体差异性的影响,未深入考虑多种震害因子的耦合作用。本文以华南地区砌体建筑群为例,开发了一种集成概率方法来对城市砌体结构的破坏风险进行建模,考虑建筑年代、层数、使用用途和墙厚四类震害因子的耦合影响,采用(Kolmogorov-Smirnov)K-S检验,在设定地震动参数下选取Gaussian分布、Log-Normal分布、Gumbel分布和Beta分布四种概率分布对该地区砌体建筑物的破坏状态概率分布参数进行拟合。通过均方根误差(Root Mean Square Error)RMSE进行拟合优度评价,最终建立基于Gaussian分布和Log-Normal分布的砌体建筑物破坏联合概率模型。最后,以华南地区三个城市典型砌体建筑物为例进行实例对比验证,将基于本文建立的建筑破坏概率模型推算出的砌体建筑群震害矩阵与基于单体结构分析得到的震害矩阵进行对比,与理论值最大偏差为0.0333。研究表明:本文构建的集成概率方法能够获得更加合理的城市砌体建筑物震害矩阵,提供了考虑结构固有不确定性和随机不确定性的有效途径,有助于推动城市建筑韧性评价和设计理论的发展。
