基于元图的异质信息网络相似性搜索算法研究

发布时间：2021-03-16 20:46

　　信息网络中的数据挖掘被广泛的研究,从过去开始,信息网络挖掘中的一些研究主要针对由单类型对象和链接构成的同质信息网络而设计。这些基于同质信息网络的方法不适用于由多类型对象和链接构成的异质信息网络（HIN）。毫无疑问,大多数现实世界的网络基本上以复杂的异质方式组成。相似性度量被视为异质信息网络中其它重要挖掘任务的基础任务,已经在相似性搜索、信息检索和机器学习算法中得到广泛的应用。对于具有丰富语义的异质信息网络,相似性度量需要考虑关系语义。然而,现有大多数的异质网信息网络中的相似性度量都是基于单个语义。因此怎么捕获这些网络中的复杂语义成为直接影响系统性能的最具挑战性的问题之一,并在基于复杂语义下怎么设计对象之间的相似性度量成为测量对象之间的相关性的一个重要环节。由于基于相似性度量的应用要在现实生活中进行应用,所以用户的满意程度是必须考虑的一个因素。因此在充分考虑语义关系的情况下,还要考虑网络中其他信息来度量对象之间的相似性。本文主要围绕这些问题展开研究,主要工作如下:（1）针对大多数异质信息网络中的相似性搜索算法只考虑单一的关系语义问题,提出一种基于元图的异质信息网络相似性搜索算法Graph... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及研究意义
    1.2 国内外研究现状
    1.3 本文的主要研究内容
    1.4 本文的组织结构
第2章 相关工作
    2.1 引言
    2.2 信息网络的基本概念
    2.3 信息网络中常见的相似性度量方法
        2.3.1 常用的基于特征的相似性度量方法
        2.3.2 基于元路径的相似性度量算法
    2.4 本章小结
第3章 GraphSim:基于元图的异质网络相似性搜索算法
    3.1 引言
    3.2 问题的定义
        3.2.1 GraphSim:基于元图的相似性度量
    3.3 基于单个元图的在线计算
        3.3.1 GraphSim算法框架
        3.3.2 GraphSim-pruning算法
    3.4 实验结果与分析
        3.4.1 实验数据集与实验环境
        3.4.2 有效性实验
        3.4.3 高效性实验
        3.4.4 不同元图的语义查询
    3.5 本章小结
第4章 融合外部支持信息与元图的相似性搜索算法
    4.1 引言
    4.2 相关定义
        4.2.1 异质网络中对象的外部支持信息
        4.2.2 融合外部支持信息与元图的相似性度量
    4.3 融合外部支持信息与元图的相似性搜索算法
        4.3.1 算法的基本思想
        4.3.2 GraphSimExt算法框架
    4.4 实验结果与分析
        4.4.1 实验设置和实验环境
        4.4.2 有效性分析
        4.4.3 排序质量
        4.4.4 聚类质量
    4.5 本章小结
结论
参考文献
附录A 发表论文和参加科研情况说明
致谢


【参考文献】：
期刊论文
[1]基于异构信息网络的分类算法[J]. 朱建林,陈忠阳,李振,张永俊,梁天新.  计算机工程与设计. 2019(02)
[2]异构信息网络中基于图的半监督学习[J]. 汤小康,曹步文.  小型微型计算机系统. 2017(10)
[3]异构信息网络的相似性度量方法[J]. 伍转华.  计算机与现代化. 2016(03)
[4]一种融合异构信息网络和评分矩阵的推荐新算法[J]. 张邦佐,桂欣,何涛,孙焕垚,杨晟雨,韩宇茹.  计算机研究与发展. 2014(S2)
[5]异构信息网中基于元路径的动态相似性搜索[J]. 陈湘涛,丁平尖,王晶.  计算机应用. 2014(09)

硕士论文
[1]异构信息网络上的相似性搜索研究[D]. 葛军.西安电子科技大学 2014



本文编号：3086579