功能強大的異構(gòu)數(shù)據(jù)庫系統(tǒng)和基于因特網(wǎng)的信息系統(tǒng)產(chǎn)生了海量的網(wǎng)絡(luò)數(shù)據(jù)。計算機硬件技術(shù)的進(jìn)步,為網(wǎng)絡(luò)數(shù)據(jù)提供了大量的收集和存儲介質(zhì)。這些技術(shù)大大推動了網(wǎng)絡(luò)數(shù)據(jù)挖掘的發(fā)展。與傳統(tǒng)的獨立且均勻分布的數(shù)據(jù)不同,網(wǎng)絡(luò)數(shù)據(jù)的復(fù)雜結(jié)構(gòu)需要強有力的工具對其進(jìn)行有效的數(shù)據(jù)分析以提取有價值的知識。分類問題是網(wǎng)絡(luò)數(shù)據(jù)挖掘的主要任務(wù)和挑戰(zhàn)之一,而分類的有效性往往取決于待分類的數(shù)據(jù)集特性,以及分類器依據(jù)的分類方法。因此,對網(wǎng)絡(luò)數(shù)據(jù)的關(guān)系分類方法的研究至關(guān)重要。近年來圍繞基于同質(zhì)性假設(shè)的網(wǎng)絡(luò)數(shù)據(jù)關(guān)系分類方法的研究甚多,但針對異質(zhì)性網(wǎng)絡(luò)數(shù)據(jù)的關(guān)系分類方法之研究甚少。而后一方面的研究更具挑戰(zhàn)性。網(wǎng)絡(luò)數(shù)據(jù)可用于建模相互關(guān)聯(lián)的實體,而實體間的潛在關(guān)系又可以用于分類。許多針對網(wǎng)絡(luò)數(shù)據(jù)的分類方法都是基于同質(zhì)性假設(shè)的。同質(zhì)性是指網(wǎng)絡(luò)中彼此連接的實體趨向于擁有相同的類別。人們將基于同質(zhì)性假設(shè)的方法用于同質(zhì)程度較低的異質(zhì)性網(wǎng)絡(luò)數(shù)據(jù)分類的探索遇到了困難。本文為解決上述困難,面向異質(zhì)性網(wǎng)絡(luò)數(shù)據(jù)的關(guān)系分類方法進(jìn)行了深入研究,主要研究工作如下:1.對相關(guān)研究的現(xiàn)狀、理論方法進(jìn)行了總結(jié)和綜述對近年來網(wǎng)絡(luò)數(shù)據(jù)的關(guān)系分類研究進(jìn)行了分析、歸納,對其... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：105 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
        1.1.1 數(shù)據(jù)挖掘
        1.1.2 網(wǎng)絡(luò)數(shù)據(jù)挖掘
        1.1.3 網(wǎng)絡(luò)數(shù)據(jù)分類應(yīng)用及研究現(xiàn)狀總結(jié)
    1.2 論文研究內(nèi)容及組織結(jié)構(gòu)
第2章 相關(guān)理論方法概述
    2.1 網(wǎng)絡(luò)數(shù)據(jù)分類問題描述
        2.1.1 單變量網(wǎng)絡(luò)數(shù)據(jù)分類
        2.1.2 網(wǎng)絡(luò)內(nèi)分類
        2.1.3 同質(zhì)性與異質(zhì)性
    2.2 關(guān)系分類器
        2.2.1 加權(quán)投票關(guān)系近鄰分類器（WVRN）
        2.2.2 類分布關(guān)系近鄰分類器（CDRN）
        2.2.3 網(wǎng)絡(luò)貝葉斯分類器（NBC）
        2.2.4 基于鏈接的網(wǎng)絡(luò)分類（NLB）
        2.2.5 類傳播分布分類器（CPD）
    2.3 協(xié)作推理
        2.3.1 迭代分類算法（ICA）
        2.3.2 吉布斯抽樣（GS）
        2.3.3 Loopy置信度傳播（LBP）
        2.3.4 均值域松弛標(biāo)注（MFRL）
    2.4 網(wǎng)絡(luò)學(xué)習(xí)工具NETKIT-SRL系統(tǒng)介紹
    2.5 本章小結(jié)
第3章 基于類傳播分布的關(guān)系近鄰異質(zhì)性網(wǎng)絡(luò)分類方法
    3.1 引言
    3.2 關(guān)系近鄰分類的類傳播問題定義
    3.3 基于類傳播分布的關(guān)系近鄰分類方法
    3.4 算法框架
    3.5 實驗設(shè)計
    3.6 實驗結(jié)果與分析
    3.7 本章小結(jié)
第4章 引入二階馬爾可夫假設(shè)的邏輯回歸異質(zhì)性網(wǎng)絡(luò)分類方法
    4.1 引言
    4.2 相關(guān)工作
    4.3 邏輯回歸異質(zhì)性網(wǎng)絡(luò)分類問題建模
    4.4 引入二階馬爾可夫假設(shè)的鄰居結(jié)點鏈接特征向量定義
    4.5 分類模型訓(xùn)練方法
    4.6 考慮一階和二階鄰居結(jié)點的邏輯回歸網(wǎng)絡(luò)分類算法框架
    4.7 實驗與評估
        4.7.1 實驗設(shè)置與實驗數(shù)據(jù)
        4.7.2 實驗結(jié)果與分析
    4.8 本章小結(jié)
第5章 基于二階馬爾可夫假設(shè)的貝葉斯異質(zhì)性網(wǎng)絡(luò)數(shù)據(jù)分類方法
    5.1 引言
    5.2 貝葉斯異質(zhì)性網(wǎng)絡(luò)分類問題描述與變量表示
    5.3 面向二階鄰居結(jié)點的類分布計算
    5.4 關(guān)系分類模型的協(xié)作推理
    5.5 基于二階馬爾可夫假設(shè)的貝葉斯異質(zhì)性網(wǎng)絡(luò)分類算法框架
    5.6 實驗結(jié)果對比分析
        5.6.1 實驗設(shè)置
        5.6.2 實驗數(shù)據(jù)
        5.6.3 實驗一
        5.6.4 實驗二
    5.7 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 未來研究展望
參考文獻(xiàn)
作者簡介及在學(xué)期間所取得的科研成果
致謝



本文編號：3048906