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 相关技术介绍
2.1 问题相关定义
2.2 网络表示学习相关技术及应用
2.2.1 基于矩阵特征向量的网络表示学习算法
2.2.2 基于随机游走的网络表示学习算法
2.2.3 基于矩阵分解的网络表示学习算法
2.2.4 结合外部信息的网络表示学习算法
2.2.5 网络表示学习算法任务
2.3 机器学习与深度学习
2.4 本章小结
第3章 结合节点标签信息的网络表示学习算法
3.1 引言
3.2 CNLI算法
3.2.1 隐式序列
3.2.2 提取特征
3.2.3 针对性优化
3.3 实验与分析
3.3.1 实验设备及数据
3.3.2 对比算法及参数设置
3.3.3 节点分类
3.3.4 实验结果分析
3.4 本章小结
第4章 结合节点文本信息的网络表示学习算法
4.1 引言
4.2 CNTI-Edge算法
4.2.1 文本信息对拓扑结构的补充
4.2.2 定义损失函数
4.3 CNTI-MF算法
4.3.1 提取节点的文本特征
4.3.2 获取文本向量
4.4 实验与分析
4.4.1 实验设备及数据
4.4.2 对比算法及参数设置
4.4.3 节点分类及聚类
4.4.4 链接预测
4.4.5 相关参数设置
4.4.6 实验结果分析
4.5 本章小结
第5章 总结和展望
5.1 工作总结
5.2 研究展望
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;