基于时间特征的图卷积新闻模型研究.docx

基于时间特征的图卷积新闻模型研究

目录

一、内容综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1.1新闻传播特性分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1.2深度学习技术应用现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.2国内外研究综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.2.1图神经网络发展历程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

1.2.2新闻推荐与演化模型研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

1.3研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

1.3.1主要研究目的界定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

1.3.2核心研究问题提出．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

1.4技术路线与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

1.4.1总体研究框架设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

1.4.2关键技术选型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

1.5论文结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

二、相关理论与技术基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

三、基于时序信息的图卷积模型构建．．．．．．．．．．．．．．．．．．．．．．．．．20

3.1模型整体框架设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

3.1.1输入数据表示方式．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

3.1.2网络模块组织结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

3.2节点表示学习机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

3.2.1基于内容特征的编码．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

3.2.2结合时序动态信息．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

3.3边缘权重动态建模．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

3.4时序特征融合策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

3.5模型损失函数设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

3.5.1回归/分类任务目标函数．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

3.5.2正则化项设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

四、模型实验与评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

4.1实验数据集介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

4.1.1公开新闻数据集选取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

4.1.2数据集构建与预处理流程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

4.2评估指标体系构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

4.2.1常用机器学习评估指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

4.2.2鲁棒性及泛化能力评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

4.3基准模型对比．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

4.4实验设置与参数调优．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49

4.4.1硬件软件环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

4.4.2模型超参数选取．．．．．．．．．．．．．．．．．．．