网络嵌入

摘要： 近年来,信息技术和国际贸易的快速发展推动了跨境电子商务的兴起,数量庞大的中小跨境网络零售企业成为行业的中流砥柱.然而,产品同质化严重、供应链信息化程度低以及物流基础设施落后等问题逐渐凸显.在此背景下,如何对供应链进行优化整合,日益成为中小跨境网络零售企业普遍关注的问题.因此,本文通过构建结构方程模型,基于网络嵌入视角梳理了中小跨境网络零售企业供应链各相关变量之间的作用关系,并根据企业异质性的特点,进行了分样本实证检验.研究表明:中小跨境网络零售企业在供应链中的结构嵌入对关系嵌入、供应链企业间的信息技术合作以及供应链企业间的信息共享起到正向作用;关系嵌入对供应链企业间的信息技术合作和供应链企业间的信息共享均起到正向作用;信息技术合作以及信息共享都对供应链物流整合起到正向作用;物流整合对供应链效率起到正向作用.

摘要： 社区发现算法对分析复杂网络的拓扑和层次结构、预测复杂网络的演化趋势等具有十分重要的意义。传统的社区发现算法划分精度不高,忽略了网络嵌入的重要性。针对这样的问题,提出了基于节点相似性和网络嵌入Node2Vec方法的无参数社区发现算法。首先,使用网络嵌入Node2Vec方法将网络节点映射成欧氏空间中低维向量表示的数据点,计算低维向量表示的数据点之间的余弦相似性,根据相应节点间的最大相似性构建偏好网络,得到初始社区划分,把每个初始社区的最大度节点作为备选节点;然后根据网络平均度和平均最短路径找出备选节点中的中心节点;最后将中心节点对应的数据点及其数量作为初始质心和聚类数,用K-Means算法对低维向量表示的数据点进行聚类,从而对相应的网络节点完成社区划分。该算法为无参数社区划分方法,可以自主地从网络中提取参数,无须根据网络的不同设定不同的超参数,从而可以自动地快速识别复杂网络的社区结构。在8个真实网络和人工网络上,将其与其他5个知名社区发现算法相比较,数值仿真实验表明所提算法具有很好的社区发现效果。

摘要： 在海量数据呈现爆炸增长态势的互联网时代,传统算法已无法满足处理大规模、多类型数据的需求。近年来最新的图嵌入算法通过学习图网络特征,在链路预测、网络重构和节点分类实践中普遍取得了极佳的效果。文中基于传统自动编码器模型,创新地提出了一种融合Sdne算法与链路预测相似度矩阵的新算法,通过在反向传播过程中引入高阶损失函数,依据自编码器的新特征调整性能,改进传统算法中以单一方式判定节点相似度这一方法存在的弊端,并建立简易模型分析证明优化的合理性。对比最新研究中效果最好的Sdne算法,该算法在Micro-F1和Macro-F1两种评价指标上的提升效果均接近1%,可视化分类效果表现良好。与此同时,研究发现高阶损失函数超参的最优值大致处于1~10范围内,数值的变化依旧能够基本稳定维持整体网络的鲁棒性。

摘要： 用户匹配的目的是检测来自不同社交网络的用户是否是同一个人。现有的研究主要集中在用户属性和网络嵌入上,而这些研究方法往往忽略了用户与好友间的亲密关系。因此,文中提出一种基于好友亲密度的用户匹配算法(FCUM)。该算法是一种半监督、端到端的跨社交网络用户匹配算法,其中注意力机制被用于量化用户与好友之间的亲密度。好友亲密度的量化能够提高FCUM的泛化能力。通过在单一目标函数中对用户个体相似性和亲密好友相似性进行联合优化,能充分利用用户个体相似性和亲密好友相似性。文中还设计了一种双向匹配策略,用于解决人工标记匹配用户代价较高的问题。在真实数据集上的实验表明,FCUM算法优于其他只考虑用户个体相似性的方法。在如今用户隐私保护限制愈发严格、难以获取用户其他完整属性信息的情形下,该算法具有实用和易于推广的特性。

摘要： 在属性网络中,与节点相关联的属性信息有助于提升网络嵌入各种任务的性能,但网络是一种图状结构,节点不仅包含属性信息还隐含着丰富的结构信息。为了充分融合结构信息,首先通过定义节点的影响力特性、空间关系特征;然后根据链接预测领域基于相似度的定义构建相似度矩阵,将节点二元组中的关联向量映射到相似度矩阵这一关系空间中,从而保留与节点相关的结构向量信息;再基于图的拉普拉斯矩阵融合属性信息和标签特征,将上述三类信息集成到一个最优化框架中;最后,通过二阶导数求局部最大值计算投影矩阵获取节点的特征表示进行网络嵌入。实验结果表明,提出的算法能够充分利用节点二元组的邻接结构信息,相比于其他基准网络嵌入算法,本模型在节点分类任务上取得了更好的结果。

摘要： 在相关文献进行梳理的基础上,对网络嵌入及集群企业绩效之间的逻辑关系及作用机理进行详尽的理论分析,发现企业网络嵌入(关系嵌入、结构嵌入)与集群企业绩效存在正向关系:关系嵌入从联系频度、联系持久度及相互信任度等方面对集群企业绩效产生影响;结构嵌入从网络规模、网络密度和网络中心度等方面对集群企业绩效产生影响。同时给出了借助网络嵌入特性支持集群企业价值创造来提高企业绩效的建议。

摘要： 准确的药物-靶标相互作用预测在药物发现和重新定位中有重要作用。传统的方法要么费时(基于模拟的方法),要么严重依赖领域专业知识(基于相似性和基于特征的方法),而且现有的使用单一数据信息或稀疏数据的计算方法普遍准确性不高。尽管多个异构网络整合已被广泛用于预测药物靶标,但如何尽可能多的保留网络结构信息仍然是一个巨大的挑战。本文提出一种新颖的框架NGDTI,不仅从网络中提取相关的生物学特性和关联信息,而且保留重要的网络拓扑信息。其利用图神经网络更新提取的特征信息,所发现的药物和靶标的拓扑特征使药物-靶标相互作用预测更加准确。与最新的基准方法相比,本文模型的AUPR值提高了0.01。实验结果表明,NGDTI在药物开发和重新定位方面有良好的应用前景。

摘要： 通过将数据投射到向量空间,表示学习技术在计算机视觉和自然语言处理等多个领域取得了成功。在关系数据(即网络或图)研究方面,网络嵌入(NE)技术旨在将图中的节点表示到低维向量空间中,通过向量表示间的相似性保留网络拓扑和节点特征信息。后续的图分析任务都可以在NE的基础上,通过简单的机器学习算法实现。由于其出色的性能和效率,NE已被广泛应用于许多网络应用中,如节点分类和链接预测。

摘要： 创新网络多元嵌入是企业网络能力形成和产业升级的重要驱动力。基于网络双重嵌入和网络耦合视角,选取2009—2020年291家中国平板显示产业上市公司作为研究样本,实证分析企业个体创新网络与股东关系网络双重嵌入及企业个体创新能力对产业升级的作用路径。结果表明,企业个体创新网络连通性与网络团体规模、股东关系网络密度及企业创新能力均正向影响产业升级,并且由于企业管理者与投资者间的创新决策冲突给产业升级带来负面影响,企业间网络连通性和企业个体研发投入在股东间过于紧密的关系影响下反而不利于产业升级。进一步研究表明,产业升级是综合企业个体创新、企业间创新合作和企业投资者合作等多个层次的多维度动态过程,降低数字创新不确定性和有效利用网络化创新合作机制将是产业数字创新的重要研究方向。

摘要： 网络结构数据在现今生活中广泛存在,但由于数据结构稀疏、规模较大等特性,难以直接利用现有的机器学习算法对数据进行分析.网络表示学习算法的出现,通过将高维数据映射到低维向量空间,解决了上述问题.但是网络表示学习算法中存在大量超级参数,参数的选择与数据分析任务密切相关且对算法性能有明显影响,如何针对数据分析任务,通用地对多种网络表示学习算法进行超级参数调整,以获取不同算法的最优性能,实现算法间性能的公平比较,从而选择出最优者对数据进行分析,是一个亟待解决的问题.此外,对算法进行超级参数调整通常需要花费较长时间,且由于网络结构数据规模通常较大,还会有内存占用过高问题的存在,因此如何能够在有资源限制(时间、内存占用)的条件下进行超级参数调整,是面临的另一个问题.基于上述两个问题,本文提出了基于超级参数调整的网络表示学习算法性能公平比较框架JITNREv,能够在有资源限制的条件下通用对多种网络表示学习算法进行超级参数调整,通过获取不同算法针对相同数据分析任务的性能最优值,实现算法之间的性能公平比较.该框架具有4个松耦合且可扩展的组件,组件间仅通过数据流进行交互,并在闭环结构中完成样本的测试优化,满足了框架的通用性.JITNREv基于拉丁超立方采样对超级参数进行采样;根据“当前最优值附近,有更大概率出现更优值”的假设对采样范围进行剪枝;针对超大规模数据集,提出了图粗化方式在保留数据结构的基础上压缩数据规模,满足了资源限制条件下对超级参数进行调整的要求.框架还融合了网络表示学习算法常用的评测数据集、评测指标和数据分析应用,实现了框架的易用性.实验证明JITNREv框架能够在资源限制条件下稳定提高算法性能,例如,针对GCN算法的节点分类任务相比默认参数设置,JITNREv框架能够将性能提升31%.

摘要： 企业资源和能力禀赋是实现企业创新绩效水平提升的关键性因素.现有关于企业网络嵌入和动态能力的研究多将其作为格式塔构念,探讨其对企业创新绩效的直接或间接效应,忽视了各构成维度间的多元组合对企业创新绩效的复杂性影响,不利于准确反映并有效指导具体的企业管理实践问题.因此,基于集合论思想,采用模糊集定性比较分析法,以220家中国企业为样本,探究了网络嵌入和动态能力各维度影响供应链企业创新绩效的多重组合路径.研究结果表明:供应链企业创新绩效的提升路径包括资源—能力促进型、双元能力推动型、资源—能力冲突型和创新能力缺失弥补型四种构型.研究结论为诠释影响企业创新绩效实现的多重原因、企业实践创新战略提供了新的理论支撑.

摘要： 网络嵌入对品牌社群行为的影响已有研究,但是它与社群公民行为的关系还有待进一步研究.根据社会交换理论,从心理所有权角度研究网络嵌入与在线品牌社群公民行为的关系.通过对酷比魔方社群的394个样本调查发现:网络嵌入性(结构嵌入和关系嵌入)对心理所有权有积极影响;心理所有权对社群公民行为(有利品牌社群行为和有利社群成员行为)有积极影响;心理所有权在关系嵌入对有利品牌社群和社群成员行为的影响中存在部分中介作用,心理所有权在结构嵌入对有利品牌社群行为的影响中存在部分中介,而在对有利社群成员行为的影响中则是完全中介作用.

摘要： 本文以关系嵌入和结构嵌入构成的企业网络嵌入理论为研究背景,探访了天津市某产业园区内的5 家企业,利用多案例的研究方法分析了其企业网络嵌入的建立和维持情况,得出初始概念模型,并对企业网络中合作关系的维持机制进行了初步归纳,对中国企业的发展实践提供了建议。

摘要： 由于市场环境的较高不确定性与嵌入过程的复杂性，多数企业集团、战略联盟等网络化组织，在成立之初的关系较为融洽，但在嵌入过程中多存在关系松散，甚至裂解的问题，造成企业网络组织运行效率低下。网络嵌入作为一种特殊的企业行为，在理论探索和实践应用中越来越引起学者们的广泛关注。在系统研究嵌入概念的基础上，本研究从嵌入的形成、影响因素、过程控制三个角度构建了网络嵌入的内容体系，分析了网络嵌入的发展动态。

摘要： 服务推荐过程中,为了充分利用用户标签标注关系与用户的社交关系信息,提升推荐结果的准确性.本文提出一种基于异质用户网络嵌入的方法,通过将用户节点映射为一个低维的向量,再利用得到的用户向量进行基于用户的协同过滤推荐.方法在公开数据集Delicious上进行了实证分析,实验结果表明,相对已有的两个方法,本文所提方法的推荐精度可分别提高18.1％和16.6％,且发现在构建用户向量时,节点之间的直接关系与“朋友的朋友”关系对表示用户节点结构信息时同等重要;同时,推荐过程中为目标用户返回的相似用户在25个最为适宜.

摘要： 本发明实施例公开了嵌入式应用的性能测试方法、嵌入式终端设备及网络系统。其中，该方法包括：启动应用程序；通过采样的方式周期性地探测应用程序运行时的模块或函数属性，并根据探测结果统计所述应用程序运行时位于各模块或函数的次数；当所述应用程序运行结束，获取采样数据，并根据所述采样数据计算出所述各模块或函数在所述应用程序运行时的整体耗时情况。本发明实施例可较全面地反映嵌入式应用系统中各模块或函数在整个系统中的消耗分布情况。

摘要： 用于校准N个端微波测量网络(10)的方法的精度(该方法包括测量负载装置(43)的网络参数值)取决于对负载装置(43)的寄生阻抗的知识。按照本发明，该方法的精度可以通过至少近似确定负载装置(43)的寄生阻抗而改进。在一个实施例中，这是通过测量具有与负载装置(43)基本上相同的寄生阻抗的辅助开路装置(44)的网络参数值达到的。该精度还可通过测量具有与负载装置(43)基本上相同的寄生阻抗的辅助短路装置(45)的网络参数值而进一步提高。类似的原理可被使用于去嵌入待测装置。公开了具有基本上相同的寄生阻抗的负载装置(43)、辅助开路装置(44)和辅助短路装置(45)。

摘要： 在用于将网络应用(24)嵌入到周围网络应用(23)中的方法和系统(100)中，其中,待嵌入的网络应用(24)被设置用于在周围网络应用(24)的单独的实施区域和显示区域(25)中运行，根据本发明通过至少两个网络服务器(5'、6')提供待嵌入的网络应用(24)。这特别能够在大型工业自动化系统、即例如过程控制系统中使用，以增加冗余、可监视性和可操作性，进而增加失效安全性、降低复杂性，减少通信流量，并获得对于人员的访问限制更好的可能性。

摘要： 本发明提供一种嵌入式网络设备的文件运行方法、嵌入式网络设备，所述方法包括：嵌入式网络设备向云服务器发送公钥和标识信息；嵌入式网络设备接收云服务器发送的经公钥加密后的解密信息，所述解密信息用于解密与所述标识信息相对应的加密文件，所述加密文件存储于所述嵌入式网络设备中；嵌入式网络设备根据所述解密信息对所述加密文件进行解密，得到运行文件；嵌入式网络设备运行所述运行文件。本发明实施例使得恶意者难以读取到敏感信息，从而保障了嵌入式网络设备的运行安全。

摘要： 本申请涉及一种基于视觉感知的鲁棒图像的水印嵌入方法、水印嵌入网络构建方法、系统及存储介质，解决了当下的水印嵌入提取方法无法较好的兼顾水印的鲁棒性和不可见性，其包括获取原始图像信息及原始水印信息；根据原始图像信息以提取浅层特征图像信息及深层特征图像信息；分析对应的特征图像信息形成视觉掩码信息；对原始水印信息处理形成预处理水印信息；修正预处理水印信息以形成待嵌入水印信息；将浅层特征图像信息、深层特征图像信息以及待嵌入水印信息进行融合形成融合图像信息；将原始图像信息及融合图像信息输入残差结构生成最终图像信息。本申请通过视觉掩码能够调控水印的嵌入，进而兼顾水印的鲁棒性和不可见性。

摘要： 本发明属于网络共享技术领域，提供一种嵌入式监控设备和嵌入式监控设备实现网络共享的方法，嵌入式监控设备上设置有无线接入点，无线接入点包括无线发送模块、无线接收模块和桥接模块；无线发送模块用于发送无线信号；无线接收模块用于接收无线信号；桥接模块与无线发送模块和无线接收模块连接，并用于连接有线网络，对信号进行处理，进行有线信号和无线信号之间的转换。本发明通过在嵌入式监控设备上实现无线AP功能，从而无需使用无线路由器，嵌入式监控设备就可以与无线网络终端快速无线连接，提高了嵌入式监控设备的灵活性、环境适应性和用户友好性。

摘要： 本发明实施例公开了嵌入式应用的性能测试方法、嵌入式终端设备及网络系统。其中，该方法包括：启动应用程序；通过采样的方式周期性地探测应用程序运行时的模块或函数属性，并根据探测结果统计所述应用程序运行时位于各模块或函数的次数；当所述应用程序运行结束，获取采样数据，并根据所述采样数据计算出所述各模块或函数在所述应用程序运行时的整体耗时情况。本发明实施例可较全面地反映嵌入式应用系统中各模块或函数在整个系统中的消耗分布情况。

摘要： 用于校准N个端微波测量网络(10)的方法的精度(该方法包括测量负载装置(43)的网络参数值)取决于对负载装置(43)的寄生阻抗的知识。按照本发明，该方法的精度可以通过至少近似确定负载装置(43)的寄生阻抗而改进。在一个实施例中，这是通过测量具有与负载装置(43)基本上相同的寄生阻抗的辅助开路装置(44)的网络参数值达到的。该精度还可通过测量具有与负载装置(43)基本上相同的寄生阻抗的辅助短路装置(45)的网络参数值而进一步提高。类似的原理可被使用于去嵌入待测装置。公开了具有基本上相同的寄生阻抗的负载装置(43)、辅助开路装置(44)和辅助短路装置(45)。

摘要： 本公开的实施例公开了训练虚拟网络嵌入模型的方法和装置。该方法的具体实施方式包括：获取样本集；从样本集中选择样本中的目标虚拟网络请求，执行如下训练步骤：获取目标虚拟网络请求的上层的当前状态；将上层的当前状态输入上层智能体，得到上层的下一状态和上层动作概率分布；根据上层动作概率分布抽样选择一个上层动作；如果选择的上层动作为准入，则通过下层智能体将目标虚拟网络请求与物理网络进行映射，得到映射结果；根据映射结果计算外在奖励；若外在奖励小于预定第一阈值，则调整上层智能体的参数和下层智能体的参数，并从样本集中重新选择样本，继续执行上述训练步骤。该实施方式实现了虚拟网络的联合准入控制和资源分配。

摘要： 本发明公开了一种基于图神经网络分层损失函数的网络嵌入预训练方法。该方法包括：将网络表示为图，网络嵌入用于学习低维表示，并且学习一组共享权重矩阵用于聚合来自节点邻居的信息；针对输入图，构建一组步行序列S，其中每个序列s∈S包含一组节点{v1,…,v|s|}；针对所构建的步行序列，基于滑动窗口内共同出现的节点构造单位图，该单位图基于每个目标节点与一跳和两跳邻居的接近度生成；利用所生成的单位图，以设计的分层损失最小化为优化目标训练图神经网络模型。本发明结合具有有效分层损失的图形注意网络，能够保留目标节点与其邻居之间的边距，显著提升了模型性能。