扉页
吉林大学硕士学位论文原创性声明
关于学位论文使用授权的声明
摘 要
Abstract
目 录
插图目录
表格目录
绪论
研究背景及意义
图
节点角色识别
网络表示学习
角色表示学习
研究现状
本文的主要工作
本文结构
相关理论基础
角色表示学习问题定义
相关工作
与本文相关的两种图核方法
神经概率语言模型及网络表示学习
与本文相关的两种角色表示学习方法
基于重标识框架的表示学习
重标识算法思想
重标识算法1 —— RiWalk-SP
算法过程
与最短路径图核的关系
重标识算法2 —— RiWalk-WL
算法过程
与Weisfeiler-Lehman图核的关系
RiWalk-SP基于随机游走的变体: RiWalk-RWSP
基于随机游走的表示学习
算法概览
时空复杂度分析
实验结果与分析
对比算法及参数设置
对比典型网络表示学习与角色表示学习的案例分析——高速公路网络
数据集
实验设置
结果及分析
同网络节点分类
数据集
实验设置
时空效率分析
参数研究
跨网络节点分类
数据集及实验设置
结果及分析
结构洞节点识别
数据集及实验设置
结果及分析
算法扩展性分析
随节点个数变化的扩展性分析
随图密度变化的扩展性分析
真实网络数据集上的扩展性分析
总结、讨论与展望
参考文献
附 录
作者简介及在学期间所取得的科研成果
致 谢
吉林大学;
