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 本文主要工作
1.4 本文组织结构
第2 章 相关技术介绍
2.1 信息网络相关知识介绍
2.2 网络表示学习相关知识介绍
2.2.1 基础知识
2.2.2 代表性模型
2.3 编码器-解码器相关知识介绍
2.3.1 Seq2Seq模型
2.3.2 自编码器
2.3.3 自编码器的变种形式
2.4 生成对抗网络相关知识介绍
2.5 有监督的分类算法相关知识介绍
2.6 本章小结
第3 章 基于网络嵌入模型的隐含关系挖掘方法
3.1 网络嵌入模型的构建
3.1.1 基于 SDNE和变分自编码器的网络嵌入模型
3.1.2 基于生成对抗网络的图表示学习模型
3.1.3 特征融合
3.2 样本选择策略
3.3 分类算法的选择
3.4 本章小结
第4 章 实验与应用
4.1 实验环境
4.2 评价指标
4.3 在 benchmark 数据集上的实验与分析
4.3.1 数据集介绍
4.3.2 实验设计与实验分析
4.4 在生物医学实体网络上的实验结果分析与应用
4.4.1 数据预处理
4.4.2 实验设计与实验分析
4.4.3 在 PubMed中的实际应用
4.5 本章小结
第5 章 总结与展望
参考文献
作者简介及在学期间所取得的科研成果
致 谢
吉林大学;