【技术实现步骤摘要】
评价和比较图嵌入模型的可视化分析方法与系统
本专利技术涉及图的表示学习与可视化领域,主要涉及一种图嵌入模型评价和比较的可视分析方法与系统及其在航线图分析中的应用。
技术介绍
随着生活水平的提高,越来越多的人选择坐飞机出行,不论我们飞去哪里,飞机都会按照制定好的航线进行飞行。众多航线与机场构成一个庞大的机场-航线网络。通过分析机场-航线网络特征,进行航线设计、交通枢纽选址和资源配置具有重要意义。例如,确定航线交通枢纽的最佳位置可以帮助航空公司规划和建设综合客运枢纽,发现具有潜在高收益的航线,也可以为旅客提供便捷的“零距离”换乘和一体化衔接服务,节省时间和空间资源,方便分配疏运交通等基础设施的配置数量。通常可以用图来表示机场-航线网络,然而表示航线网络的图节点众多且关联复杂,传统的节点-链接图表示方法很难满足此类网络的分析需求。通常研究人员用节点度量指标来定量地描述节点的结构信息,如节点的度、中心性、紧密度等。图由节点和边组成,每个节点和边都具有相应的属性,图嵌入是利用一组便于计算的低维稠密向量来表示图(或网络)的技术,它使得图分析变得可计算,从而帮助研究人员有效地完成各类图分析任务。然而不同的嵌入模型在保留原始图特征能力方面表现不同,有的在保留局部特征方面的能力比较强,有的在保留全局特征方面的能力比较强。许多模型并不能很好地保留原始的航线拓扑结构信息,且由于图嵌入模型是黑盒模型,嵌入结果保留了哪些节点特征?不同嵌入模型保留节点特征能力有何不同?模型的参数取值对嵌入模型保留节点特征的能力有何影响?对研究人员来说还 ...
【技术保护点】
1.一种评价和比较图嵌入模型的可视化分析方法,构造航线网络,通过图嵌入技术将网络节点进行向量化,具体包括如下步骤:/nA.对输入的航线数据进行处理,构建航线网络图即原始图;/nB.计算原始图中每个节点的9个节点度量指标值,用于定量地描述图中节点的结构特征,所述9个节点度量指标具体为:/n(1)度C
【技术特征摘要】
1.一种评价和比较图嵌入模型的可视化分析方法,构造航线网络,通过图嵌入技术将网络节点进行向量化,具体包括如下步骤:
A.对输入的航线数据进行处理,构建航线网络图即原始图;
B.计算原始图中每个节点的9个节点度量指标值,用于定量地描述图中节点的结构特征,所述9个节点度量指标具体为:
(1)度CD(u),节点u的邻居节点数量;
(2)离心率,节点u到图中所有其他节点最短路径距离的最大值,计算方法如公式1,式中d(u,v)为节点u与v之间的最短距离:
(3)紧密度,图中节点u到所有其他节点最短路径距离的平均值的倒数,计算方法如公式2:
(4)介数,即节点u以外的两点间最短路径通过节点u的次数,计算方法如公式3,表示从节点s到节点t的所有最短路的数量,式中表示从节点s到节点t的所有最短路径经过u的数量。
(5)特征向量中心性,是对网络中节点影响力的度量,计算方法如公式4,式中Nu表示节点u的所有邻居
(6)PageRank是特征向量中心性度量的一个变体,计算方法如公式5:
(7)聚集系数,节点u的邻居节点间存在链接的比例,计算方法如公式6,式中{ekv}是u的邻居节点之间链接的集合:
(8)最近邻平均度,节点u所有相邻节点度之和与u度的比值,计算方法如公式7:
(9)影响力中心性,计算方法如公式8:
C.根据用户需求选择不同的图嵌入模型以及图嵌入模型的参数;
D.根据步骤C选定的图嵌入模型及其相关参数完成对步骤A构造的原始图的向量化,得到图嵌入模型的嵌入结果;
E.计算图嵌入模型对各个节点的节点度量指标的保留能力,具体步骤如下:
E1.首先构造神经网络回归模型;
E2.采用十折交叉验证方法将输入的嵌入向量及其对应的原始图节点度量指标值分为训练集和测试集,使用训练集训练神经网络回归模型;
E3.将嵌入向量输入训练好的神经网络回归模型,计算出嵌入向量的节点度量指标估计值,得到原始图节点度量指标值与通过回归模型计算得到的节点度量估计值之间的决定系数(R2),其中SSR表示回归平方和,SST表示总体偏差平方和,为节点i的原始图节点度量值,为回归模型计算结果的均值;
E4.重复执行E1,E2和E3分别进行上述9个节点度量指标的计算;
F.上述节点度量指标值、嵌入结果和原始图数据分别展示在节点度量视图、嵌入结果视图和原始结构视图中,建立多个视图之间的关联,实现多视图协同交互的可视化分析。
2.如权利要求1所述评价和比较图嵌入模型的可视化分析方法,其特征在于,步骤A具体包括如下步骤:
A1.根据航线网络构建原始视图,抽象后的实体关联数据表示为图G=(V,E),V={v1,v2,...,vi...,vn},其中vi表示一个机场,|V|为机场数量,E={e1,e1,...ei,...,em},其中ei表示两个机场之间有航线;
A2.根据A1构造的原始视图,得到的G(V,E),节点和边集合。
3.如权利要求1所述评价和比较图嵌入模型的可视化分析方法,其特征在于,步骤C选择的图嵌入模型有四种,分别为:DeepWalk、node2vec、struc2vec和SDNE。
4.如权利要求3所述评价和比较图嵌入模型的可视化分析方法,其特征在于,在选定图嵌入模型后,选择图嵌入模型的各种参数...
【专利技术属性】
技术研发人员:陈谊,张清慧,管泽礼,
申请(专利权)人:北京工商大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。