异质性网络数据关系分类方法研究

发布时间：2021-02-24 06:02

　　功能强大的异构数据库系统和基于因特网的信息系统产生了海量的网络数据。计算机硬件技术的进步,为网络数据提供了大量的收集和存储介质。这些技术大大推动了网络数据挖掘的发展。与传统的独立且均匀分布的数据不同,网络数据的复杂结构需要强有力的工具对其进行有效的数据分析以提取有价值的知识。分类问题是网络数据挖掘的主要任务和挑战之一,而分类的有效性往往取决于待分类的数据集特性,以及分类器依据的分类方法。因此,对网络数据的关系分类方法的研究至关重要。近年来围绕基于同质性假设的网络数据关系分类方法的研究甚多,但针对异质性网络数据的关系分类方法之研究甚少。而后一方面的研究更具挑战性。网络数据可用于建模相互关联的实体,而实体间的潜在关系又可以用于分类。许多针对网络数据的分类方法都是基于同质性假设的。同质性是指网络中彼此连接的实体趋向于拥有相同的类别。人们将基于同质性假设的方法用于同质程度较低的异质性网络数据分类的探索遇到了困难。本文为解决上述困难,面向异质性网络数据的关系分类方法进行了深入研究,主要研究工作如下:1.对相关研究的现状、理论方法进行了总结和综述对近年来网络数据的关系分类研究进行了分析、归纳,对其... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：105 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
        1.1.1 数据挖掘
        1.1.2 网络数据挖掘
        1.1.3 网络数据分类应用及研究现状总结
    1.2 论文研究内容及组织结构
第2章 相关理论方法概述
    2.1 网络数据分类问题描述
        2.1.1 单变量网络数据分类
        2.1.2 网络内分类
        2.1.3 同质性与异质性
    2.2 关系分类器
        2.2.1 加权投票关系近邻分类器（WVRN）
        2.2.2 类分布关系近邻分类器（CDRN）
        2.2.3 网络贝叶斯分类器（NBC）
        2.2.4 基于链接的网络分类（NLB）
        2.2.5 类传播分布分类器（CPD）
    2.3 协作推理
        2.3.1 迭代分类算法（ICA）
        2.3.2 吉布斯抽样（GS）
        2.3.3 Loopy置信度传播（LBP）
        2.3.4 均值域松弛标注（MFRL）
    2.4 网络学习工具NETKIT-SRL系统介绍
    2.5 本章小结
第3章 基于类传播分布的关系近邻异质性网络分类方法
    3.1 引言
    3.2 关系近邻分类的类传播问题定义
    3.3 基于类传播分布的关系近邻分类方法
    3.4 算法框架
    3.5 实验设计
    3.6 实验结果与分析
    3.7 本章小结
第4章 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法
    4.1 引言
    4.2 相关工作
    4.3 逻辑回归异质性网络分类问题建模
    4.4 引入二阶马尔可夫假设的邻居结点链接特征向量定义
    4.5 分类模型训练方法
    4.6 考虑一阶和二阶邻居结点的逻辑回归网络分类算法框架
    4.7 实验与评估
        4.7.1 实验设置与实验数据
        4.7.2 实验结果与分析
    4.8 本章小结
第5章 基于二阶马尔可夫假设的贝叶斯异质性网络数据分类方法
    5.1 引言
    5.2 贝叶斯异质性网络分类问题描述与变量表示
    5.3 面向二阶邻居结点的类分布计算
    5.4 关系分类模型的协作推理
    5.5 基于二阶马尔可夫假设的贝叶斯异质性网络分类算法框架
    5.6 实验结果对比分析
        5.6.1 实验设置
        5.6.2 实验数据
        5.6.3 实验一
        5.6.4 实验二
    5.7 本章小结
第6章 总结与展望
    6.1 总结
    6.2 未来研究展望
参考文献
作者简介及在学期间所取得的科研成果
致谢



本文编号：3048906