当前位置:主页 > 科技论文 > 数学论文 >

异质网络组合元路径节点重要性分析方法

发布时间:2024-04-15 04:33
  异质信息网络中节点重要性排名适用于学术评审评议、搜索引擎优化、推荐系统构建等领域,可以帮助人们更好的理解异质信息网络的节点特征.由于异质信息网络的节点重要性分析依赖语义信息,使用单一的语义信息进行节点分析是非常受限的.针对上述问题提出了一种基于组合元路径的异质信息网络节点重要性排名方法,通过对元路径进行组合的方式更大范围的捕捉异质信息网络中的语义信息,使排名更精准;使用指数加权平均数法确定组合参数的寻优步长并更新组合参数,循环迭代的计算节点的重要性排名直至排名稳定,使排名更可信.通过对AMiner数据集进行实验分析,验证了所提方法在准确度和收敛速度上优于同类方法.

【文章页数】:7 页

【部分图文】:

图1学术异质信息网络的网络模式

图1学术异质信息网络的网络模式

在异质信息网络中,对象间的关系主要包括内部关系和相关关系.其中,内部关系指的是相同类型的对象之间的关系;相关关系指的是不同类型的对象之间的关系.元路径是定义在异质信息网络中链接两类对象的一条路径,不同的元路径表达了不同的语义信息.图1表示了学术网络的网络模式.这个实例中包含了三种....


图2基于组合元路径的节点重要性排名方法

图2基于组合元路径的节点重要性排名方法

步骤3.沿主元路径循环迭代计算直至重要性排名稳定,迭代同时进行组合参数更新.图2展示了该方法的基本思想,(1)通过主元路径FP可以确定不同对象之间的相关关系,计算相关关系排名;(2)通过Ai对象的辅助元路径确定Ai对象的内部关系,计算内部关系排名;(3)线性组合相关关系排名和内部....


图3匹配准确率

图3匹配准确率

清洗数据使PageRank和HITS算法可以进行重要性分析,PageRank、HITS和基于组合元路径的节点重要性排名方法的实验结果与AMiner1于2019年4月公布的知名学者之间进行匹配.将学者按H指数、A指数(A-index)排名得到H指数排名和A指数排名,并计算出H指数排....


图4迭代计算时排名的收敛

图4迭代计算时排名的收敛

通过图4可以发现基于组合元路径的重要性分析方法可以使排名向量更快速地收敛,而PageRank算法和HITS算法的收敛速度较慢,需要更多次的迭代计算才可以使排名收敛.基于组合元路径的重要性分析方法使用组合参数对相关关系排名和内部关系排名进行线性组合,并在迭代计算中不断的对组合参数进....



本文编号:3955741

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/yysx/3955741.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户3e127***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com