基于元路徑的異構(gòu)信息網(wǎng)絡(luò)挖掘方法研究.pdf

1、隨著以社交網(wǎng)絡(luò)為典型代表的異構(gòu)信息網(wǎng)絡(luò)的迅猛發(fā)展，異構(gòu)信息網(wǎng)絡(luò)分析已經(jīng)成為數(shù)據(jù)挖掘中一個(gè)重要且熱門(mén)的研究方向，被廣泛的應(yīng)用于社交網(wǎng)絡(luò)、Web數(shù)據(jù)管理、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)等領(lǐng)域。異構(gòu)信息網(wǎng)絡(luò)分析的目的在于從多類(lèi)型對(duì)象多類(lèi)型鏈接組成的異構(gòu)網(wǎng)絡(luò)中提取出有用的知識(shí)，主要包括對(duì)象分類(lèi)、信息檢索、鏈接預(yù)測(cè)和對(duì)象排名等。對(duì)象分類(lèi)和相似性搜索作為異構(gòu)網(wǎng)絡(luò)挖掘中的重要內(nèi)容，受到研究人員的廣泛關(guān)注，并提出大量相關(guān)算法，然而這些算法的用戶(hù)滿(mǎn)意程度卻還有待提高。如

2、：現(xiàn)有的相似性搜索算法不考慮對(duì)象在網(wǎng)絡(luò)中的動(dòng)態(tài)變化；現(xiàn)有的異構(gòu)網(wǎng)絡(luò)分類(lèi)算法往往需要進(jìn)行大量的迭代計(jì)算，并不適用于對(duì)象動(dòng)態(tài)增加的異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)管理，本文圍繞這些問(wèn)題展開(kāi)深入的研究。
　　本文對(duì)異構(gòu)信息網(wǎng)絡(luò)中現(xiàn)有的相似性搜索算法和分類(lèi)算法進(jìn)行詳細(xì)分析，重點(diǎn)研究了元路徑在異構(gòu)網(wǎng)絡(luò)分析中的作用，針對(duì)異構(gòu)網(wǎng)絡(luò)中對(duì)象鏈接隨時(shí)間不斷發(fā)生變化，提出引入時(shí)間因素基于元路徑的動(dòng)態(tài)相似性搜索算法；針對(duì)異構(gòu)網(wǎng)絡(luò)中對(duì)象的數(shù)目隨時(shí)間不斷增多，提出能夠直接預(yù)測(cè)新

3、來(lái)樣本標(biāo)簽的歸納分類(lèi)算法。
　　本文的主要研究成果如下：
　?。?）針對(duì)異構(gòu)信息網(wǎng)絡(luò)數(shù)據(jù)挖掘中的相似性搜索、對(duì)象分類(lèi)問(wèn)題，對(duì)近年來(lái)的一些主要研究工作進(jìn)行總結(jié)和分析，并指出這些方法的問(wèn)題和應(yīng)用范圍，為異構(gòu)網(wǎng)絡(luò)挖掘中相似性搜索和對(duì)象分類(lèi)的進(jìn)一步研究明確了方向。
　?。?）針對(duì)現(xiàn)有相似性搜索算法只關(guān)注對(duì)象之間的鏈接數(shù)，而不考慮這些鏈接隨時(shí)間不斷發(fā)生變化的這個(gè)現(xiàn)象，提出一種基于元路徑的動(dòng)態(tài)相似性搜索算法PDSim。該算法首先利

4、用對(duì)象之間的路徑數(shù)，得到對(duì)象之間的元路徑實(shí)例數(shù)比值；然后，利用鏈接的建立時(shí)間，得到對(duì)象之間的時(shí)間差異度；最后，結(jié)合元路徑實(shí)例數(shù)比值和時(shí)間差異度，得到對(duì)象之間的相似性。在多個(gè)相似性搜索實(shí)例中，PDSim能夠捕獲到對(duì)象隨時(shí)間變化而產(chǎn)生的興趣變化；應(yīng)用于聚類(lèi)時(shí)，相對(duì)于現(xiàn)有算法，其聚類(lèi)得到的標(biāo)準(zhǔn)互信息可以提高0.17％-9.24%。
　?。?）針對(duì)現(xiàn)有異構(gòu)網(wǎng)絡(luò)分類(lèi)算法大多屬于直推式分類(lèi)，無(wú)法為新增加的樣本直接預(yù)測(cè)標(biāo)簽，提出一種基于元路徑的