声明
第1章 绪论
1.1 研究背景
1.2 研究内容
1.3 章节结构
第2章 相关性研究
2.1 城市风险评估
2.1.1 基于机器学习的城市风险评估方法
2.1.2 基于复杂网络的城市风险评估方法
2.2 复杂网络网络表示学习研究
2.2.1 基于随机游走的方法
2.2.2 基于矩阵分解的方法
2.2.3 基于深度学习的方法
2.3 面向复杂网络结构等价性学习方法研究
2.3.1 传统的结构等价性方法
2.3.2 面向复杂网络结构等价性的表示学习
2.4 本章小结
第3章 基于结构身份的深度互编码网络表示学习模型
3.1 引文
3.2 问题定义与表示
3.3 基于结构身份的深度互编码网络表示学习模型(DMER)
3.3.1 特征提取层
3.3.2 基于GCN的表示学习层
3.3.3 基于AE的表示学习层
3.3.4 互增强学习层
3.3.5 模型训练
3.3.6 复杂性分析
3.4 实验结果
3.4.1 数据集描述
3.4.2 实验参数设定
3.4.3 模型对比
3.4.4 可视化分析
3.4.5 角色分类实验
3.4.6 参数敏感性分析
3.5 本章小结
第4章 交叉注意力网络结构等价性模型
4.1 引文
4.2 问题定义与表示
4.3 交叉注意力网络结构等价性模型(DCER)
4.3.1 特征提取层
4.3.2 基于GAT的表示学习层
4.3.3 基于VAE的表示学习层
4.3.4 交叉注意力机制层
4.3.5 模型训练
4.3.6 复杂性分析
4.4 实验结果
4.4.1 数据集描述
4.4.2 实验参数设定
4.4.3 模型对比
4.4.4 可视化分析
4.4.5 角色分类实验
4.4.6 案例研究
4.4.7 参数敏感性分析
4.5 本章小结
第5章 面向城市风险用户角色应用
5.1 城市风险数据预处理
5.1.1 数据集描述
5.1.2 数据预处理
5.2 潜在风险用户角色分析过程
5.2.1 用户角色识别
5.2.2 风险可视化
5.3 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
发表论文和参加科研情况说明
致谢
天津大学;
