概率图下异构网络相关性度量的改进与应用

发布时间：2021-05-13 22:13

　　现实社会中大多数的数据或信息对象彼此连接或交互,形成众多大型、互连、复杂的网络,称之为异构信息网络。该网络可以描述人与人之间的社会关系,以及科学研究中的合作关系等实际网络关系。对复杂网络的研究有助于发现网络中隐含的知识,这已成为许多学科的共同焦点。其中,最基本且最重要的问题是相关性度量。本文主要研究了以异构网络路径为基础的节点相关性度量和关系预测。通过对异构网络构建基于路径的概率图模型,以异构网络中的相关性度量为主要研究工具,结合异构网络中的动态特征,重点研究拥有不同属性的节点对之间的概率关系。随后,结合矩阵分解方法,实现对动态异构信息网络中各个用户进行有效推荐的目标。主要贡献和工作如下:首先,本文提出了基于元路径的概率相关性度量DHIN-PReP。采用概率图模型构建节点关系对应的概率函数;然后以分配权重的方式为异构网络的路径选择性特征添加先验信息;随后提取动态异构网络中的时间信息,设计有效的时间影响函数。联合相关性度量函数与时间影响函数,获得了新的基于路径的动态概率相关性度量,简记为DHIN-PReP。其次,在DHIN-PReP模型得到相关性评分矩阵的基础上,本文提出了基于矩阵分解的... 

【文章来源】：江西理工大学江西省

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 边相似性度量
        1.2.2 节点相似性度量
        1.2.3 系统推荐
    1.3 本文主要工作
    1.4 本文的组织结构
第二章 相关研究及技术介绍
    2.1 异构信息网络
        2.1.1 元路径与元结构
        2.1.2 基于元路径的算法
        2.1.3 基于元结构的算法
    2.2 矩阵分解
第三章 元路径诱导的动态概率相关性度量
    3.1 PReP:从概率角度出发的相关性度量
    3.2 DHIN-PReP相关性度量算法
    3.3 特征参数估计
    3.4 DHIN-PReP算法实验
        3.4.1 数据集及评价准则
        3.4.2 特征参数的影响
        3.4.3 有效性和稳定性验证
    3.5 本章小结
第四章 基于概率相关性度量的推荐算法
    4.1 相关定义和建模思路
    4.2 基于矩阵分解的相关性推荐算法
    4.3 DHINPRe P-MF算法实验
        4.3.1 数据集及评价准则
        4.3.2 实验结果
    4.4 相关性推荐算法的推广
        4.4.1 用户关系建模
        4.4.2 物品关系建模
        4.4.3 DHINPRe P-CF模型
    4.5 本章小结
第五章 结论
    5.1 总结
    5.2 展望
参考文献
附录 A 实验一数据结果
致谢
攻读学位期间的研究成果


【参考文献】：
期刊论文
[1]结合地点类别和社交网络的兴趣点推荐[J]. 唐浩然,曾骏,李烽,文俊浩.  重庆大学学报. 2020(07)
[2]异构信息网络中基于元结构的协同过滤算法[J]. 王旭,庞巍,王喆.  计算机科学. 2019(S1)
[3]一种检测兴趣漂移的元路径推荐模型[J]. 石磊,丁鑫,陶永才,卫琳.  小型微型计算机系统. 2019(03)
[4]网络数据环境下动态抽样框的构建及其应用[J]. 朱钰,王恬.  统计与决策. 2019(02)
[5]个性化推荐算法研究综述[J]. 张志威.  信息与电脑(理论版). 2018(17)
[6]基于内容的加权粒度序列推荐算法[J]. 王光,张杰民,董帅含,夏帅.  计算机工程与科学. 2018(03)
[7]基于建构主义学习理论的个性化知识推荐模型[J]. 谢振平,金晨,刘渊.  计算机研究与发展. 2018(01)
[8]协同过滤推荐算法研究进展[J]. 翁小兰,王志坚.  计算机工程与应用. 2018(01)
[9]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)
[10]基于关联规则挖掘的分类随机游走算法[J]. 施海鹰.  计算机技术与发展. 2017(09)

博士论文
[1]社会网络分析与挖掘的若干关键问题研究[D]. 韩毅.国防科学技术大学 2011

硕士论文
[1]基于分布式平台的个性化推荐算法研究[D]. 韩皎.长安大学 2017
[2]基于网络中对象关系的信息检索和结构分析及其应用[D]. 尹绪森.北京邮电大学 2014



本文编号：3184794