网络结构的嵌入表示、链接预测及匹配研究.pdfVIP

华东师范大学硕士学位论文 摘要 在机器学习领域中，很多数据无法直接在欧氏空间中表示，例如社交网络、生 物网络，它们往往由点和边组成，形成拓扑图。基于拓扑图，很多图模型算法应运 而生，在今天的机器学习舞台上发挥着不可忽视的作用，应用也愈加广泛。其中， 链接预测与图匹配是图模型中较为重要的两个典型应用。前者根据已有信息预测 在未连接的边中找到潜在的或未来可能连接的边；后者给定两个相似网络，求得 网络中具有相同成分的结点。对这两个任务，前人都有非常不错的研究，但是很 少有人认为这两者是有关联的。本文将从Skip-gram 的原理出发，得到对齐网络中 每个结点的嵌入表示，并解释链接预测与图匹配的关系。本文基于图嵌入分别提 出了相应的链接预测与图匹配算法。通过理论解释与实验结果，可以发现链接预 测和图匹配确实能够相互促进，并且分别取得显著效果。 关键词: 拓扑图，链接预测，图匹配，图嵌入. i 华东师范大学硕士学位论文 ABSTRACT LotsofdatacannotberepresentedinEuclideanspaceinmachinelearning, such associalnetworks,biologicalnetworks,etc..,whichareoftencomposedofpointsand edges,formingatopologicalgraph. Basedonthetopologicalgraph,manygraphmodel algorithmsemergeasthetimesrequire. Theyplayanimportantroleintoday’smachine learningstageandarewidelyused.Amongthem,linkpredictionandnetworkalignment aretwotypicalapplicationsofgraphmodel. Theformerpredictstofindthepotentialor futureconnectededgeintheunconnectededgeaccordingtotheexistinginformation;the latterobtainsthenodeswiththesamecomponentsinthegiventwosimilarnetworks.Re- searchesonthesetwotasksarewelldone,butfewpeoplethinkthattheyarerelated.Based ontheprincipleofSkip-gram,thispaperobtainstheembeddingvectorofeachnodeintwo graphs,andexplainstherelationshipbetweenlinkpredictionandnetworkalignment. In thispaper,basedonthegraphembedding,thecorrespondinglinkpredictionandnetwork alignmentalgorithmsareproposedrespectively.Throughtheoreticalexplanationandex- perimentalresults,itcanbefoundthatlinkpredictionandnetworkalignmentcanindeed promoteeachother,wheresignificantresultsareachievedintheexperiments. Keywords:Topologicalgraph,LinkPrediction,NetworkAlignment, NodeEmbedding ii 目录 华东师范大学硕士学位论文 目录 第一章 绪论