异质网络中基于节点影响力的相似度度量方法

发布时间：2021-12-19 07:09

　　异质网络相似度学习,即分析两个不同类型对象间的相关程度.不同类型对象在异质网络中的重要程度不同,它们在相似度学习过程中的发挥的作用也不同.针对异质网络,提出了一种基于节点影响力的相似度度量方法NISim,该模型既考虑了网络中的链接结构,也保留了网络中的语义信息,同时区分不同类型节点对异质网络的作用.在异质信息网络环境下,通过启发式规则区分并量化不同类型节点的影响力权值,并结合网络链接结构和节点间语义关系,解决了提高相似度学习准确性的问题.实验结果表明,该方法能够有效地对异质信息网络不同类型节点进行相似度度量,可以应用在网络搜索、推荐系统以及知识图谱构建等不同领域. 

【文章来源】：电子学报. 2019,47(09)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
1 引言
2 问题定义
3 异质信息网络节点影响力计算过程
4 基于节点影响力的相似度度量方法
    4.1 基于节点影响力的链接结构相似度模型
    4.2 基于节点影响力的语义关系相似度模型
    4.3 结合结构、语义以及节点影响力的相似度计算过程
5 实验与结果
    5.1 度量标准
    5.2 数据集
    5.3 结果及分析
6 总结


【参考文献】：
期刊论文
[1]一种基于密度的分布式聚类方法[J]. 王岩,彭涛,韩佳育,刘露.  软件学报. 2017(11)

博士论文
[1]异质信息网络中离群点检测方法研究[D]. 刘露.吉林大学 2017



本文编号：3543986