检索结果-内蒙古大学图书馆

计算机研究与发展 2015年第8期52卷 1735-1741页

作者：赵泽亚贾岩涛王元卓靳小龙程学旗中国科学院网络数据科学与技术重点实验室(中国科学院计算技术研究所) 北京100190 解放军信息工程大学郑州450001

动态异构信息网络中的时序关系预测问题近些年被广泛研究,时序关系预测旨在预测关系产生时间的同时预测关系的类型.动态异构信息网络是包含不同类型的点和边且边上带有时间信息的网络.现有的方法主要考虑了网络中拓扑结构对于关系预测... 详细信息

动态异构信息网络中的时序关系预测问题近些年被广泛研究,时序关系预测旨在预测关系产生时间的同时预测关系的类型.动态异构信息网络是包含不同类型的点和边且边上带有时间信息的网络.现有的方法主要考虑了网络中拓扑结构对于关系预测的影响,而并未将时间和结构信息整合到一个统一的模型中进行研究.针对以上问题,提出了一个时间差关系路径法(time-difference-labeled path,TDLP)用于实现时序关系预测,该方法将网络中边上的时间信息融入到结构路径中从而得到更好的预测效果.在一个学术网络上的实验证明,提出的TDLP方法相比当前流行的方法具有更高预测准确率.

关键词：时序关系预测时间差路径动态异构信息网络随机游走拓扑结构

来源：评论

学校读者我要写书评

暂无评论

面向动态异构信息网络的极大motif团挖掘方法研究

面向动态异构信息网络的极大motif团挖掘方法研究

引用

作者：丁晨东华大学

学位级别：硕士

异构信息网络是一种把顶点与类型标签相关联的数据图,用于刻画不同类型对象间的复杂限制语义,如地理社交网络和生物网络等。给定不同类型顶点间的限制关系,极大motif团是符合这种限制关系的“完全子图”。通过发现极大motif团可以在异... 详细信息

异构信息网络是一种把顶点与类型标签相关联的数据图,用于刻画不同类型对象间的复杂限制语义,如地理社交网络和生物网络等。给定不同类型顶点间的限制关系,极大motif团是符合这种限制关系的“完全子图”。通过发现极大motif团可以在异构信息网络上找到满足特定限制关系且关联紧密的群体。考虑到实际应用中异构信息网络频繁更新,且现有的极大motif团挖掘算法不支持动态图上极大motif团的高效挖掘问题,本文研究动态图上极大motif团的高效挖掘问题,具体研究内容如下:首先,提出了一种支持实时更新的极大motif团算法UMMD。该算法主要由加边策略、减边策略构成,其基本思想是在加减边时,只处理与边两端顶点关联的极大motif团,从而缩小更新范围,并利用极大motif团的性质避免了枚举操作。进一步,提出了更新操作的提前终止策略,其基本思想是在图更新后,检查图中有无motif导出子图发生变化,如果没有,代表没有极大motif团需要被更新,则提前终止算法,从而避免无意义的更新操作。其次,在UMMD算法的基础上,提出了优化的高效算法UMMD+。和UMMD相比,UMMD+的改进体现在:使用优化的倒排索引,减少了UMMD的冗余计算,避免了普通倒排索引的更新不同步问题。通过访问倒排表,可以在更新极大motif团的过程中快速找到处理对象,避免了重复遍历motif导出子图及极大motif团,在加速查询处理的同时提高更新效率。最后,基于20个真实异构信息网络数据集进行实验,实验结果表明,本文提出的方法可以高效支持动态异构信息网络上极大motif团的挖掘问题。

关键词：动态异构信息网络极大motif团实时更新

来源：评论

学校读者我要写书评

暂无评论

医保欺诈行为检测及其原因分析--基于分层时序动态异构信息网络

医保欺诈行为检测及其原因分析--基于分层时序动态异构信息网络

引用

作者：郑子豪西南财经大学

学位级别：硕士

目的:随着医保基金收入的增加，医保欺诈案件数量也逐渐上升，造成了大量的医保基金流失。为了守好人民看病的“钱袋子”，使医保基金不被浪费，本文基于图神经网络（GraphicNeuralNetwork,GNN）构建了一个新的医保欺诈检测模型，以期... 详细信息

目的:随着医保基金收入的增加，医保欺诈案件数量也逐渐上升，造成了大量的医保基金流失。为了守好人民看病的“钱袋子”，使医保基金不被浪费，本文基于图神经网络（GraphicNeuralNetwork,GNN）构建了一个新的医保欺诈检测模型，以期为后续的欺诈检测工作提供新思路。本文对西部某超大城市2013、2015、2017三年的医保报销抽样数据进行了检测，并且对欺诈的成因进行了微观层面的分析，为后续进一步的检测工作提供了可疑线索;结合现有文献、政策以及相关案例讨论医保欺诈现象与个体微观层面特征间可能的关系，为制定医保相关政策提供一定的依据。　　方法：首先，本文通过分层时序动态异构网络构建了一个就诊记录相关信息的嵌入机制，结合特异群组挖掘方法构建了一个新的医保欺诈检测模型DyHATR-AGM，模型表现出优于其他现有模型的检测能力;其次，本文通过模型检测出的疑似欺诈样本，运用逐步回归方法对微观层面的样本特征进行了选择;最后在异质性分析中针对不同的慢性病讨论病种与欺诈间的关系。　　结果：1、本文建立的模型表现出了良好的检测效果，相比于本文选取的作为对比的FRAUDAR,M-zoom,D-cube三个模型，DyHATR-AGM在测试用的美国医疗保险报销数据集上表现出了优于其他三个模型的性能;2、本文通过逐步回归得到在就诊记录中，产生该条记录的患者的年龄大小、参保类型是城镇职工医疗保险还是城乡居民医疗保险、是否患有慢性病以及产生该条记录的医疗机构级别都与该条记录是否疑似欺诈有关;3、通过对不同慢性病病种进行异质性分析发现，由于慢阻肺、哮喘、慢性肺心病、高血压以及慢性胃炎产生的就诊记录疑似欺诈的概率较大，而甲亢与就诊记录是否疑似欺诈间的关系显著程度不明显。　　讨论：1、年龄75岁以下的人群中，年龄与欺诈概率呈正向相关，这可能是由于年龄增加导致的患者认知能力下降不足以分辨行为是否构成欺诈导致，而75岁以上人群因为就诊时通常有人陪同以及与朋辈间的社会隔离增加，反而年龄的增加与欺诈概率间并没有关系;2、城镇职工医疗保险所报销的就诊记录疑似欺诈的概率要大于城乡居民医疗保险报销的记录，这可能与城镇职工医疗保险的个人账户有关，个人账户的低流通性以及消费类型限制性可能会诱发欺诈;3、二级医院发生的就诊记录疑似欺诈概率较大，推测是由于二级医院相关政策相对空白以及二级医院的信息管理混乱导致;4、慢性病带来的经济压力可能会使得患者进行医保欺诈行为，而医保报销政策中关于慢性病的特殊报销待遇则可能诱发伪造慢性病病例非法获取医保基金的现象。

关键词：医保欺诈行为动态异构信息网络信息管理就诊记录

来源：评论

学校读者我要写书评

暂无评论

一种面向动态异构信息网络的高效极大motif团挖掘方法

引用

新一代信息技术 2021年第15期4卷 1-8,15页

作者：丁晨周军锋杜明东华大学上海201620

关键词：动态异构信息网络极大motif团极大motif团挖掘

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：