5个研究背景和意义示例,教你写计算机属性图论文

今天分享的是关于属性图的5篇计算机毕业论文范文, 如果你的论文涉及到属性图等主题,本文能够帮助到你 二部图网络中关键对象的社区搜索方法与实现 这是一篇关于社交网络,社区搜索

今天分享的是关于属性图的5篇计算机毕业论文范文, 如果你的论文涉及到属性图等主题,本文能够帮助到你

二部图网络中关键对象的社区搜索方法与实现

这是一篇关于社交网络,社区搜索,二部图,属性图的论文, 主要内容为二部图被广泛用于建模两种类型的实体之间的关系,近年来,如何从二部图中高效搜索包含关键对象的高质量社区,即二部图社区搜索,成为了数据挖掘领域的热门研究方向。然而,目前的社区搜索工作主要集中在所有顶点都属于同一类型的同质信息网络,关于二部图的社区搜索的研究很有限。此外,在社区搜索过程中,综合考虑节点的结构内聚性和属性的同质性是提高输出社区质量的关键。而现有二部图社区搜索方法忽略了顶点的重要属性信息,使得输出社区中平均顶点对属性相似度仅为0.17左右,导致其在某些特定的应用场景中无法得到精细目标社区。针对上述问题,本文研究了二部图网络中关键对象的社区搜索方法与实现,主要工作概括如下:(1)基于节点属性的带权二部图社区搜索方法。现有的二部图社区搜索方法专注于高效寻找结构内聚的社区,未考虑顶点的属性。然而,顶点的属性是其重要的语义信息,考虑社区属性内聚性能使得输出社区可解释性更强,社区质量更高。因此针对顶点属性忽略问题,首先对二部图属性内聚社区模型进行了形式化定义,随后提出一个(α,β)-属性加权社区搜索框架。该框架首先采用图精剪方法对不包含查询属性的顶点进行剪枝,有效地缩小了搜索空间。其次采用了两种算法(α,β)-AWC-Strict和(α,β)-AWCLoose提高了输出社区的属性内聚性。(α,β)-AWC-Strict算法优先保证属性内聚性,然后保持结构的内聚性,但它对于合适的输入有较高要求。(α,β)-AWC-Loose算法是一种近似算法,具有更高的稳健性,它迭代地删除属性得分最低的顶点,直到无法保持结构内聚力。实验表明,与传统方法相比,两种算法都能将属性内聚度提高25%以上。与此同时,结构性凝聚力维持在适当的水平。(2)指定对象个性化音乐推荐系统。现有的音乐推荐方法主要是用协同过滤的方法对用户进行个性化推荐,它们忽略了结构内聚性,无法找到指定用户为核心的整个社区,对用户进行批量高质量推荐。因此,针对该问题,本文设计并实现了指定对象个性化音乐推荐系统。该系统除了提供音乐相关的基本功能,还可以分析用户听歌行为数据,得到用户听歌偏好数据,并帮助用户根据自己的品味过滤和发现歌曲、同圈好友,为用户进行同圈好友推荐、偏好音乐播放列表生成与推荐,以有效提升用户的使用体验。

基于图嵌入表示与物品分层结构的推荐系统设计与实现

这是一篇关于分层结构,图嵌入,推荐系统,属性图,交互图的论文, 主要内容为随着互联网信息技术的迅猛发展,推荐系统帮助用户快速、精准地寻找所需和所感兴趣的物品(item),逐渐渗透到人们的衣食住行中。推荐系统中的音乐、商品、法规等物品和类目之间常常具有分层结构,物品从属于类目(category),子类目又从属于父类目。为了针对具有这种特征的物品设计和实现推荐系统,本论文在相似推荐和个性化推荐这两个工程中的实际应用场景下,分别挖掘物品的分层结构信息。主要工作内容如下:(1)在相似物品推荐场景下,针对已有的属性图嵌入模型不能充分利用物品分层结构的问题,提出融合物品分层结构的属性图嵌入推荐(HAGE)模型。首先为了挖掘相同类目下结点的相似性,提出基于物品分层结构的属性图嵌入,先对每一个类目结点下的子结点构建图,然后利用每个类目所构建的图生成随机游走序列。其次提出融合用户行为序列中共现物品的相似性和同一类目下物品的相似性的方法,即通过共享两个Skip-gram网络的公共参数进行交替优化,从而生成统一的物品嵌入。在亚马逊电商数据集上进行模型基准对比实验,验证了 HAGE的有效性。(2)在个性化推荐场景下,针对已有的交互图嵌入模型不能充分利用包含高阶交互在内的协同相似度的问题,提出融合协同相似度的交互图嵌入个性化推荐(CIGE)模型。首先引入基于属性引出边列表的协同相似度,挖掘由同一离散属性连接的两个用户或两个物品之间的2阶邻居邻近度。其次通过在Skip-gram网络中引入结点的1阶邻居信息和属性信息,利用注意力机制加权得到结点的聚合向量,来挖掘属性交互图的高阶的隐式联系。在亚马逊电商数据集上进行模型基准对比实验,验证了 CIGE的有效性。(3)在个性化推荐场景下,针对CIGE不能充分利用物品分层结构的问题,在CIGE的基础上提出融合物品分层结构的交互图嵌入个性化推荐(HIGE)模型。首先提出随机跳跃,通过在同一层次中结点的移动来挖掘用户行为序列中的物品的共现信息,通过在不同层次之间结点的跳跃来挖掘物品树形组织结构中的分层信息。然后将随机跳跃学习得到的物品嵌入向量视为物品的属性信息,通过与其他属性向量拼接结合到CIGE中。在亚马逊电商数据集上进行模型基准对比实验,验证了 HIGE的有效性。(4)针对具有物品分层结构特征的数据集设计并实现推荐系统。通过用户登录状态来区分推荐场景。在相似物品推荐场景下,利用HAGE的研究成果为用户产生推荐结果列表。在个性化推荐场景下,利用HIGE的研究成果为用户产生推荐结果列表。通过分布式缓存等技术优化接口响应时间,并对系统进行了功能和性能测试。

基于图嵌入表示与物品分层结构的推荐系统设计与实现

这是一篇关于分层结构,图嵌入,推荐系统,属性图,交互图的论文, 主要内容为随着互联网信息技术的迅猛发展,推荐系统帮助用户快速、精准地寻找所需和所感兴趣的物品(item),逐渐渗透到人们的衣食住行中。推荐系统中的音乐、商品、法规等物品和类目之间常常具有分层结构,物品从属于类目(category),子类目又从属于父类目。为了针对具有这种特征的物品设计和实现推荐系统,本论文在相似推荐和个性化推荐这两个工程中的实际应用场景下,分别挖掘物品的分层结构信息。主要工作内容如下:(1)在相似物品推荐场景下,针对已有的属性图嵌入模型不能充分利用物品分层结构的问题,提出融合物品分层结构的属性图嵌入推荐(HAGE)模型。首先为了挖掘相同类目下结点的相似性,提出基于物品分层结构的属性图嵌入,先对每一个类目结点下的子结点构建图,然后利用每个类目所构建的图生成随机游走序列。其次提出融合用户行为序列中共现物品的相似性和同一类目下物品的相似性的方法,即通过共享两个Skip-gram网络的公共参数进行交替优化,从而生成统一的物品嵌入。在亚马逊电商数据集上进行模型基准对比实验,验证了 HAGE的有效性。(2)在个性化推荐场景下,针对已有的交互图嵌入模型不能充分利用包含高阶交互在内的协同相似度的问题,提出融合协同相似度的交互图嵌入个性化推荐(CIGE)模型。首先引入基于属性引出边列表的协同相似度,挖掘由同一离散属性连接的两个用户或两个物品之间的2阶邻居邻近度。其次通过在Skip-gram网络中引入结点的1阶邻居信息和属性信息,利用注意力机制加权得到结点的聚合向量,来挖掘属性交互图的高阶的隐式联系。在亚马逊电商数据集上进行模型基准对比实验,验证了 CIGE的有效性。(3)在个性化推荐场景下,针对CIGE不能充分利用物品分层结构的问题,在CIGE的基础上提出融合物品分层结构的交互图嵌入个性化推荐(HIGE)模型。首先提出随机跳跃,通过在同一层次中结点的移动来挖掘用户行为序列中的物品的共现信息,通过在不同层次之间结点的跳跃来挖掘物品树形组织结构中的分层信息。然后将随机跳跃学习得到的物品嵌入向量视为物品的属性信息,通过与其他属性向量拼接结合到CIGE中。在亚马逊电商数据集上进行模型基准对比实验,验证了 HIGE的有效性。(4)针对具有物品分层结构特征的数据集设计并实现推荐系统。通过用户登录状态来区分推荐场景。在相似物品推荐场景下,利用HAGE的研究成果为用户产生推荐结果列表。在个性化推荐场景下,利用HIGE的研究成果为用户产生推荐结果列表。通过分布式缓存等技术优化接口响应时间,并对系统进行了功能和性能测试。

基于图嵌入表示与物品分层结构的推荐系统设计与实现

这是一篇关于分层结构,图嵌入,推荐系统,属性图,交互图的论文, 主要内容为随着互联网信息技术的迅猛发展,推荐系统帮助用户快速、精准地寻找所需和所感兴趣的物品(item),逐渐渗透到人们的衣食住行中。推荐系统中的音乐、商品、法规等物品和类目之间常常具有分层结构,物品从属于类目(category),子类目又从属于父类目。为了针对具有这种特征的物品设计和实现推荐系统,本论文在相似推荐和个性化推荐这两个工程中的实际应用场景下,分别挖掘物品的分层结构信息。主要工作内容如下:(1)在相似物品推荐场景下,针对已有的属性图嵌入模型不能充分利用物品分层结构的问题,提出融合物品分层结构的属性图嵌入推荐(HAGE)模型。首先为了挖掘相同类目下结点的相似性,提出基于物品分层结构的属性图嵌入,先对每一个类目结点下的子结点构建图,然后利用每个类目所构建的图生成随机游走序列。其次提出融合用户行为序列中共现物品的相似性和同一类目下物品的相似性的方法,即通过共享两个Skip-gram网络的公共参数进行交替优化,从而生成统一的物品嵌入。在亚马逊电商数据集上进行模型基准对比实验,验证了 HAGE的有效性。(2)在个性化推荐场景下,针对已有的交互图嵌入模型不能充分利用包含高阶交互在内的协同相似度的问题,提出融合协同相似度的交互图嵌入个性化推荐(CIGE)模型。首先引入基于属性引出边列表的协同相似度,挖掘由同一离散属性连接的两个用户或两个物品之间的2阶邻居邻近度。其次通过在Skip-gram网络中引入结点的1阶邻居信息和属性信息,利用注意力机制加权得到结点的聚合向量,来挖掘属性交互图的高阶的隐式联系。在亚马逊电商数据集上进行模型基准对比实验,验证了 CIGE的有效性。(3)在个性化推荐场景下,针对CIGE不能充分利用物品分层结构的问题,在CIGE的基础上提出融合物品分层结构的交互图嵌入个性化推荐(HIGE)模型。首先提出随机跳跃,通过在同一层次中结点的移动来挖掘用户行为序列中的物品的共现信息,通过在不同层次之间结点的跳跃来挖掘物品树形组织结构中的分层信息。然后将随机跳跃学习得到的物品嵌入向量视为物品的属性信息,通过与其他属性向量拼接结合到CIGE中。在亚马逊电商数据集上进行模型基准对比实验,验证了 HIGE的有效性。(4)针对具有物品分层结构特征的数据集设计并实现推荐系统。通过用户登录状态来区分推荐场景。在相似物品推荐场景下,利用HAGE的研究成果为用户产生推荐结果列表。在个性化推荐场景下,利用HIGE的研究成果为用户产生推荐结果列表。通过分布式缓存等技术优化接口响应时间,并对系统进行了功能和性能测试。

基于规则推理的自主式交通系统架构诊断方法

这是一篇关于自主式交通系统架构,异常检测,推理诊断,诊断规则,属性图的论文, 主要内容为随着先进技术的发展与交通需求的更新,智能交通系统正朝着自主分析、学习和决策的自主式交通系统发展。自主式交通系统架构根据交通系统总体目标的要求,从系统整体出发,综合组织交通服务、基础设施、通信网络、交通参与者,用于为交通系统提供宏观指导。然而架构设计过程中存在的错误有可能对交通系统的运行产生影响。架构诊断是保证ATS架构完备性与逻辑正确的关键,通过对ATS架构的构成要素与组织结构进行检验,为ATS架构问题恢复提供依据。在未来交通系统架构异常的识别与诊断也逐步实现自主的识别、分析和响应,不再需要人为参与。首先,针对ATS架构诊断的相关研究成果较少,通过总结归纳相关领域现有异常检测与诊断的方法,结合ATS架构的结构特征,本文设计了ATS架构属性图模型,实现对ATS架构信息的轻量化建模;在其基础上提出了基于图的ATS架构异常检测算法,识别出架构中异常的结构特征。该方法在空间复杂度达到了线性空间,经实验证明其能够有效地解决了ATS架构异常信息的识别,缩小了后续推理诊断的范围。其次,总结ATS架构常见的异常类型,并设计了诊断规则,基于此提出了一种基于规则推理的ATS架构诊断算法,通过规则匹配实现从异常结构现象到异常产生原因及后续诊断策略的映射,该方法对ATS架构异常检测的结果进行进一步处理,有效地实现了架构问题溯源和归类,有助于设计人员维护架构。最后,设计并开发了ATS架构诊断系统,该系统以基于规则推理的ATS架构诊断模型为基础,采用B/S架构,为ATS架构研究人员提供了一个可操作性强的诊断平台。系统允许架构设计人员在web端访问平台,上传ATS架构数据执行诊断功能;同时允许架构研究人员配置诊断规则,保存ATS架构异常诊断结果及诊断结果可视化。本文提出的方法能够有效定位ATS架构中的异常信息,并且建立了异常信息与错误类型、诊断策略的关联。

本文内容包括但不限于文字、数据、图表及超链接等)均来源于该信息及资料的相关主题。发布者:代码客栈 ,原文地址:https://m.bishedaima.com/lunwen/55325.html

相关推荐

发表回复

登录后才能评论