属性异质网络嵌入模型研究及应用.pdfVIP

摘要

深入研究现实生活中异质网络及其特性，结合机器学习以优化实际应用，是数

据挖掘领域的重点研究方向之一。异质网络嵌入算法致力于提取网络的相关特征，

从而为各类后续任务提供数据支撑。尽管已取得了一定进展，但现有的算法仍然面

临一系列亟待解决的问题，如缺乏显示链接节点间的关联难以挖掘、节点和边上的

属性信息难以充分利用、关系和属性的多样性增加了全面捕获网络语义信息的难

度等。本文针对相关问题进行深入研究，成果如下：

(1)针对节点属性与网络结构信息难以充分融合并嵌入的问题，结合现实项目

需求，首先收集并整理了集成电路产业链和家用电器产业链相关数据，构建了两个

能体现产业链网络结构的异质网络；其次，设计了一种融合节点属性的异质网络嵌

入算法，该算法通过集成节点属性嵌入、结构嵌入以及嵌入融合三个步骤，生成了

能够有效应用于下游任务的节点嵌入表示；最后经过在集成电路产业链生产供应

关系异质网络数据集上和家用电器产业链数据集上的实验验证，该算法相较于基

线网络嵌入算法在嵌入效果上有一定提升。

(2)针对现有异质网络嵌入算法对多边类型和边属性特征提取不充分的问题，

提出了结合注意力机制的多边属性异质网络嵌入算法。该算法首先定义了一种包

含多种节点类型、边类型及数值型边属性的复杂网络结构——多边属性异质网络；

其次，设计了一种融入注意力机制、序列采样和邻域向量聚合等步骤的嵌入学习算

法，从而充分挖掘此类网络的关键特征；最后在家用电器产业链数据集和公开数据

集上进行连接预测、分类和聚类实验，结果表明相比于对照组的基准网络嵌入方法，

所提算法在节点嵌入质量上具有一定优势。

(3)在上述理论成果的基础上，为实现产业链节点风险评估的需求，设计并实

现了一个基于属性异质网络嵌入方法的应用子系统。该系统采用层次化结构设计，

数据层实现了对数据源的管理，主要完成相关产业链网络的构建和数据存储；算法

层应用提出的嵌入算法，通过分析和计算提取出高质量节点特征表示并应用于风

险评估任务，即节点分类任务中；应用与可视化层将系统底层数据处理的过程封装

为实用的业务功能和友好的可视化界面，以满足实际的交互需求。

关键词：信息网络，属性异质网络，网络嵌入，注意力机制

ABSTRACT

In-depthstudyofreal-lifeheterogeneousnetworksandtheircharacteristics,

combinedwithmachinelearninginordertooptimizepracticalapplications,isoneofthe

keyresearchdirectionsinthefieldofdatamining.Heterogeneousnetworkembedding

algorithmsarecommittedtoextractingtherelevantfeaturesofthenetworksoasto

providedatasupportforvariousfollow-uptasks.Althoughsomeprogresshasbeenmade,

theexistingalgorithmsstillfaceaseriesofurgentproblems,suchasthelackofdisplay

linksbetweennodesisdifficulttomine,theattributeinformationonnodesandedgesis

difficulttomakefulluseof,andthediversityofrelationsandattributesincreasesthe

difficultyofcomprehensivelycapturingthesemanticinformationofthenetwork.Inthis

thesis,weconductanin-depthresearchontherelatedproblems,andtheresultsareas

fol