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)挖掘中一個重要且熱門的研究方向，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)測等領(lǐng)域。異構(gòu)信息網(wǎng)絡(luò)分析的目的在于從多類型對象多類型鏈接組成的異構(gòu)網(wǎng)絡(luò)中提取出有用的知識，主要包括對象分類、信息檢索、鏈接預(yù)測和對象排名等。對象分類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滿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象在網(wǎng)絡(luò)中的動態(tài)變化；現(xiàn)有的異構(gòu)網(wǎng)絡(luò)分類算法往往需要進行大量的迭代計算，并不適用于對象動態(tài)增加的異構(gòu)網(wǎng)絡(luò)數(shù)據(jù)管理，本文圍繞這些問題展開深入的研究。
　　本文對異構(gòu)信息網(wǎng)絡(luò)中現(xiàn)有的相似性搜索算法和分類算法進行詳細分析，重點研究了元路徑在異構(gòu)網(wǎng)絡(luò)分析中的作用，針對異構(gòu)網(wǎng)絡(luò)中對象鏈接隨時間不斷發(fā)生變化，提出引入時間因素基于元路徑的動態(tài)相似性搜索算法；針對異構(gòu)網(wǎng)絡(luò)中對象的數(shù)目隨時間不斷增多，提出能夠直接預(yù)測新

3、來樣本標(biāo)簽的歸納分類算法。
　　本文的主要研究成果如下：
　　（1）針對異構(gòu)信息網(wǎng)絡(luò)數(shù)據(jù)挖掘中的相似性搜索、對象分類問題，對近年來的一些主要研究工作進行總結(jié)和分析，并指出這些方法的問題和應(yīng)用范圍，為異構(gòu)網(wǎng)絡(luò)挖掘中相似性搜索和對象分類的進一步研究明確了方向。
　　（2）針對現(xiàn)有相似性搜索算法只關(guān)注對象之間的鏈接數(shù)，而不考慮這些鏈接隨時間不斷發(fā)生變化的這個現(xiàn)象，提出一種基于元路徑的動態(tài)相似性搜索算法PDSim。該算法首先利

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