社交异构信息网络中基于高阶GAT事件检测算法研究

目录

声明

第1 章绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 主要研究内容

1.4 论文组织结构

第2 章相关理论与技术

2.1 异构信息网络

2.1.1 HIN

2.1.2 Network schema

2.1.3 Meta-Path

2.2 图注意力网络

2.3 文本聚类算法

2.3.1 DBSCAN算法

2.3.2 Single-Pass算法

2.4 事件检测

2.5 数据采集

2.6 本章小结

第3 章基于SHIN的事件检测架构

3.1 SHIN定义

3.2 SHIN构建

3.2.1 事件元素提取

3.2.2 关系产生

3.2.3 Meta-Path选择

3.3 SHIN_Framework

3.4 基于Meta-Path 的相似度计算

3.5 本章小结

第4 章 基于高阶GAT 的事件检测算法

4.1 改进的GAT

4.1.1 邻接矩阵

4.1.2 图注意力层

4.1.3 多头注意力

4.2 高阶模型

4.2.1 模型详述

4.2.2 模型分析

4.3 事件检测

4.4 本章小结

第5 章实验设计及结果

5.1 实验设置

5.1.1 实验环境

5.1.2 实验数据

5.1.3 评估指标

5.1.4 基线方法

5.2 实验结果及分析

5.3 本章小结

结 论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致 谢