異構(gòu)信息網(wǎng)絡(luò)分析模型及其應(yīng)用研究.pdf

1、隨著信息數(shù)據(jù)類別的多樣化和數(shù)據(jù)關(guān)系的復(fù)雜化，信息網(wǎng)絡(luò)正在向異構(gòu)化方向發(fā)展。因此，如何借助網(wǎng)絡(luò)分析的手段，從異構(gòu)信息網(wǎng)絡(luò)中挖掘出有用知識(shí)是信息檢索和知識(shí)挖掘面臨的新課題。在異構(gòu)信息網(wǎng)絡(luò)中，參與知識(shí)挖掘的關(guān)鍵元素主要包括數(shù)據(jù)、服務(wù)和人類活動(dòng)。上述元素中，以關(guān)系型數(shù)據(jù)庫為代表的數(shù)據(jù)存儲(chǔ)方式為海量信息提供了結(jié)構(gòu)化的數(shù)據(jù)管理模式；以Web服務(wù)為代表的功能提供方式為構(gòu)建公開化、松耦合的信息平臺(tái)奠定了基礎(chǔ)；以微博為代表的社交網(wǎng)絡(luò)活動(dòng)形式提供了新型的數(shù)

2、據(jù)共享和信息交互方式。隨著數(shù)據(jù)類別的多樣化、服務(wù)訪問的頻繁化以及社交活動(dòng)的網(wǎng)絡(luò)化，人們對個(gè)性化的數(shù)據(jù)查詢、聚類分析、活動(dòng)預(yù)測等需求與日俱增，因此，對異構(gòu)信息網(wǎng)絡(luò)分析模型及其在信息檢索和知識(shí)挖掘中的應(yīng)用研究具有理論及現(xiàn)實(shí)工程意義。
　　針對異構(gòu)信息網(wǎng)絡(luò)發(fā)展趨勢及面臨的新課題，基于異構(gòu)信息網(wǎng)絡(luò)中異構(gòu)對象關(guān)系挖掘與異構(gòu)信息網(wǎng)絡(luò)描述模型，研究了異構(gòu)信息網(wǎng)絡(luò)中節(jié)點(diǎn)排序函數(shù)；基于描述模型和排序函數(shù)，結(jié)合Web服務(wù)異構(gòu)網(wǎng)絡(luò)、關(guān)系型數(shù)據(jù)庫元組網(wǎng)絡(luò)

3、與社交網(wǎng)絡(luò)，研究了異構(gòu)信息網(wǎng)絡(luò)分析模型的新型聚類分析、排序以及活動(dòng)預(yù)測方法。
　　論文研究的主要工作包括：
　　①結(jié)合信息網(wǎng)絡(luò)異構(gòu)化發(fā)展趨勢，基于對聚類、個(gè)性化查詢與社交網(wǎng)絡(luò)預(yù)測等研究現(xiàn)狀及存在問題的分析，借助形式化方法研究了異構(gòu)信息網(wǎng)絡(luò)的描述模型。
　?、诨诋悩?gòu)信息網(wǎng)絡(luò)描述模型，提出了基于異構(gòu)信息網(wǎng)絡(luò)分析的排序方法。根據(jù)不同網(wǎng)絡(luò)連接形式和排序規(guī)則，該排序方法定義了4種不同類型的排序函數(shù)。不同排序函數(shù)的實(shí)例分析對比研

4、究表明，該排序方法可為網(wǎng)絡(luò)分析提供基礎(chǔ)數(shù)據(jù)排序方法支撐。
　?、坭b于以屬性為計(jì)算依據(jù)的聚類不支持異構(gòu)數(shù)據(jù)、忽略數(shù)據(jù)排序等問題，從關(guān)系的維度出發(fā)，提出了基于異構(gòu)信息網(wǎng)絡(luò)分析的聚類算法。基于該聚類算法，以Web服務(wù)聚類為例，提出了基于異構(gòu)服務(wù)網(wǎng)絡(luò)分析的服務(wù)聚類算法SNTClus。SNTClus算法基于服務(wù)標(biāo)簽等各參與方對象及關(guān)系構(gòu)建異構(gòu)服務(wù)網(wǎng)絡(luò)描述模型，基于服務(wù)排序模型構(gòu)建聚類多維度量模型，借助網(wǎng)絡(luò)劃分和排序循環(huán)迭代方法實(shí)現(xiàn)Web服務(wù)

5、聚類。以Titan服務(wù)集為數(shù)據(jù)集的實(shí)驗(yàn)分析結(jié)果表明，SNTClus算法的服務(wù)聚類時(shí)間開銷代價(jià)低、聚類準(zhǔn)確度高。
　　④針對當(dāng)前信息查詢中個(gè)性化支持程度低等問題，提出了基于異構(gòu)信息網(wǎng)絡(luò)分析的個(gè)性化查詢方法。該方法研究以關(guān)系型數(shù)據(jù)庫為例，針對當(dāng)前關(guān)系型數(shù)據(jù)庫個(gè)性化top-k查詢要求，提出了基于異構(gòu)元組網(wǎng)絡(luò)分析的關(guān)系型數(shù)據(jù)庫排序方法RNRank。RNRank排序方法基于異構(gòu)元組網(wǎng)絡(luò)提取和異構(gòu)元組網(wǎng)絡(luò)關(guān)聯(lián)分析構(gòu)建元組排序模型，按照是否考慮

6、數(shù)據(jù)類別屬性分別提出單類別數(shù)據(jù)元組排序算法RNRank-I和多類別條件下基于聚類分析的數(shù)據(jù)元組排序算法RNRank-II。以IMDB電影數(shù)據(jù)集和 German Credit信息卡數(shù)據(jù)集為測試數(shù)據(jù)庫的實(shí)驗(yàn)分析結(jié)果表明，RNRank算法具有較高的數(shù)據(jù)排序效率和排序準(zhǔn)確度。
　?、轂榱藢?shí)現(xiàn)對社交網(wǎng)絡(luò)活動(dòng)的預(yù)測，提出了基于異構(gòu)信息網(wǎng)絡(luò)分析的社交網(wǎng)絡(luò)活動(dòng)預(yù)測模型。該模型基于不同網(wǎng)絡(luò)結(jié)構(gòu)特性的4種信息活動(dòng)預(yù)測方法，通過相對準(zhǔn)確率對比，采用不同