学位专题

封面
声明
中文摘要
英文摘要
目录
1 绪论
1.1 研究背景与意义
1.2 网络表示学习国内外研究现状
1.2.1 基础的网络表示学习模型
1.2.2 处理大规模网络的表示学习模型
1.3 基于子图的表示学习方法中存在的问题
1.4 本文主要研究内容
2 重叠社区图神经网络模型设计
2.1 关键概念定义
2.2 模型总体设计思路
2.3 模型具体设计
2.3.1 网络的预处理
2.3.2 节点的全局信息处理
2.3.3 节点的局部信息处理
2.3.4 节点信息的整合
2.4 本章小结
3 重叠社区图神经网络模型的训练与分析
3.1 模型的训练
3.1.1 重叠社区发现算法
3.1.2 超分辨网络抽取算法
3.1.3 模型中的函数选择
3.1.4 重叠社区图神经网络模型的训练
3.2 模型的复杂度分析
3.3 本章小结
4 实验结果与分析
4.1 实验配置
4.1.1 图处理库与服务器配置信息
4.1.2 图相关任务与相关数据集信息
4.1.3 性能评价指标
4.1.4 基准模型
4.2 模型性能对比
4.2.1 节点分类任务性能对比
4.2.2 链接预测任务性能对比
4.3 消融实验
4.4 参数敏感度实验
4.5 本章小结
5 总结与展望
5.1 本文主要内容及结论
5.2 本文创新点
5.3 未来工作展望
致谢
参考文献
附录1 攻读硕士学位期间取得的研究成果
附录2 中英文缩写对照表