發(fā)布時間：2025-01-07 06:39

　　近年來隨著復雜網絡的快速發(fā)展,如何在海量用戶信息中尋找感興趣的信息變得十分困難。傳統(tǒng)的網絡研究通常面向結構單一的同質網絡,重點考查網絡內部的性質與特點;但大多數(shù)應用面對的是從現(xiàn)實世界中抽離得出的蘊含多種類型節(jié)點與多種類型鏈路關系的異質網絡,結構與語義關系都十分復雜。異質網絡模型能更理想的展示現(xiàn)實世界的原貌,也更符合我們對現(xiàn)實世界的認知,通過對異質網的挖掘分析,我們可以得到更豐富和更準確的網絡內在關系�；�于元路徑的方法研究對于異質網的發(fā)現(xiàn)與分析是一種有效的重要手段。異質網絡中節(jié)點之間通過多種路徑連接組成復雜的鏈路關系,而元路徑可以對其進行明確的表示與度量。研究元路徑語義信息對于分析異質網和挖掘異質網中更深層次的信息具有重大的作用與意義。本文主要由異質網構建和不同語義類型的元路徑選擇與計算,實現(xiàn)對異質網中節(jié)點進行分類與社區(qū)發(fā)現(xiàn),主要工作如下:1)基于元路徑的節(jié)點間相似性計算及元路徑權重學習。利用不同元路徑語義信息度量異質網中節(jié)點相關性、構造節(jié)點間相似矩陣,主要分析了元路徑的權重影響因素,并提出了基于元路徑相似性對元路徑權重進行自主學習的方法。2)基于元路徑的異質網節(jié)點分類。本文利用元路徑構造...

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

圖3-17科研人員合作網絡Figure3-17CooperationNetworkofResearcher在1086名作者構成的數(shù)據(jù)集中，70%作為訓練集，30%為測試集

02995.756065.803594.0666796.532839.098194.9953897.252782.035496.11，隨著標注比例規(guī)模增加，大部分算法分類5%），決策樹分類性能最優(yōu)，達到85%；到90%的分類性能。決策樹在訓練數(shù)據(jù)規(guī)模練數(shù)據(jù)規(guī)....

圖4-10科研人員合作關系網絡Figure4-10CooperationNetworkofResearchers將數(shù)據(jù)集中的2081個科研人員節(jié)點數(shù)據(jù)基于加權合作關系的科研人員影響

圖4-10科研人員合作關系網絡Figure4-10CooperationNetworkofResearchers集中的2081個科研人員節(jié)點數(shù)據(jù)基于加權合作關系的科行排序，選取排名前10的科研人員進行數(shù)據(jù)分析。-11為此數(shù)據(jù)集中影響力排名前十的科研人員影響....

圖4-14核心作者合作關系網絡Figure4-14CooperationNetworkofCoreAuthor同時，選取影響力計算值較高的科研人員的合作網絡進行展現(xiàn)，如圖4-14所

圖4-14核心作者合作關系網絡Figure4-14CooperationNetworkofCoreAuthor取影響力計算值較高的科研人員的合作網絡進行展現(xiàn)領域的科研人員均構成各自的學術合作網絡，圖4-1的合作網絡。（其中標深色方塊的節(jié)點為影響力較高

圖4-15數(shù)據(jù)挖掘領域的作者合作關系網絡Figure4-15CooperationNetworkofAuthorinDataMining當要在某一研究領域選出影響力較高的科研人員，則需要一個明確的數(shù)據(jù)排

圖4-15數(shù)據(jù)挖掘領域的作者合作關系網絡gure4-15CooperationNetworkofAuthorinDataMi究領域選出影響力較高的科研人員，則需要將數(shù)據(jù)中某些領域中一些有代表性的科研人示在本數(shù)據(jù)集節(jié)選的三個領域中的影響力最析在不同研究領域中各個因....

本文編號：4024646