異質(zhì)網(wǎng)絡社區(qū)挖掘技術研究.pdf

1、社區(qū)挖掘作為數(shù)據(jù)挖掘研究領域的一個熱點，多年來研究內(nèi)容主要基于同質(zhì)網(wǎng)絡進行分析。隨著網(wǎng)絡地不斷發(fā)展，數(shù)據(jù)量不斷增多，單一類型的對象已經(jīng)不足以應對解決現(xiàn)實中的問題。為了能在紛雜的網(wǎng)絡中獲取有用的信息，異質(zhì)網(wǎng)絡（多類型網(wǎng)絡）的社區(qū)挖掘成為研究的一個重要趨勢。但由于異質(zhì)網(wǎng)絡的復雜性和多樣性，其理論知識和算法研究并沒有完全成熟，所以融入新穎的思想提高算法效率是一個具有挑戰(zhàn)性的課題，這也是本文的主要工作。
　　通過研究排名和聚類這兩種重要的

2、網(wǎng)絡分析技術，本文提出了融合排名和聚類的異質(zhì)網(wǎng)絡社區(qū)挖掘算法框架。在異質(zhì)網(wǎng)絡中，該框架實現(xiàn)了目標類型對象的聚類和基于這些聚類的所有類型對象的排名信息。該框架基于初始的K簇，計算對象的相對排名;把屬性對象的排名分布作為簇的特征，建立目標對象的混合模型，使每個目標對象用K維向量表示;接著在這個新的特征空間中，利用類中心向量法調(diào)整聚類，使聚類質(zhì)量得到有效地提高。此過程不斷迭代，迭代過程中的聚類和排名效果相互加強，直到聚類結果變化不大或者達到預

3、定的迭代次數(shù)。最終，聚類結果更準確，并且排名結果更有意義。為了更好地理解算法的思想，本文提出基于2-類型的異質(zhì)網(wǎng)絡算法CluBRank(Cluster Based on Rank)進行解釋驗證。CluBRank重點引入兩種排名函數(shù)，簡單排名和權威排名。
　　本文通過在真實數(shù)據(jù)集和模擬數(shù)據(jù)集上進行實驗，將CluBRank與基于鏈接的傳統(tǒng)算法進行比較，證明CluBRank聚類結果更準確。CluBRank有效地避免了傳統(tǒng)算法中計算對象之