發(fā)布時(shí)間：2018-03-01 06:17

  本文關(guān)鍵詞： 社交網(wǎng)絡(luò) 多維網(wǎng)絡(luò) 關(guān)系分類 鏈接分類 特征選擇 RReliefF算法　出處：《小型微型計(jì)算機(jī)系統(tǒng)》2017年06期 　論文類型：期刊論文

【摘要】：深入挖掘社交網(wǎng)絡(luò)的特征信息對(duì)鏈接的分類具有重要作用.然而已有的特征均基于單維網(wǎng)絡(luò)構(gòu)建,忽視了社交網(wǎng)絡(luò)的多維復(fù)雜性及特征之間的冗余信息問題.為解決此問題,提出一種基于RReliefF特征選擇模型的多維社交網(wǎng)絡(luò)鏈接分類算法.該方法首先在單維相似度特征模型的框架下給出維度關(guān)聯(lián)因子的定義,然后通過改進(jìn)基于加權(quán)傳播的的相似度指標(biāo),構(gòu)造多維特征相似度,最后引入RReliefF算法對(duì)特征進(jìn)行選擇,有效處理了特征間的冗余信息和噪音信息.在YouTube數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,引入的維度關(guān)聯(lián)因子提高了特征的多維度屬性,對(duì)多維特征信息分析和選擇有助于篩選判別性的特征,提高鏈接分類的質(zhì)量,驗(yàn)證該方法的有效性.
[Abstract]:Mining the feature information of social network is very important to the classification of links. However, the existing features are based on one-dimensional network, ignoring the multidimensional complexity of social network and the redundant information between features. A multi-dimensional link classification algorithm based on RReliefF feature selection model is proposed. Firstly, the definition of dimension association factor is given under the framework of one-dimensional similarity feature model. Then, by improving the similarity index based on weighted propagation, the multi-dimensional feature similarity is constructed. Finally, RReliefF algorithm is introduced to select the features, which effectively deals with redundant information and noise information among features. The experimental results in the YouTube dataset show that, The introduction of dimension correlation factor improves the multi-dimensional attributes of features. The analysis and selection of multi-dimensional feature information can help to screen discriminant features improve the quality of link classification and verify the effectiveness of the method.
【作者單位】： 廣東工貿(mào)職業(yè)技術(shù)學(xué)院計(jì)算機(jī)工程系;華南理工大學(xué)信息科學(xué)與技術(shù)學(xué)院;
【基金】：廣東省優(yōu)秀青年教師項(xiàng)目(YQ2015177)資助 廣東省科技計(jì)劃項(xiàng)目(2011B080701082)資助
【分類號(hào)】：O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐曉靜;李健;;靜態(tài)粗相似度的特征[J];山東大學(xué)學(xué)報(bào)(理學(xué)版);2006年06期

2 彭沛黃麗影;;秩數(shù)分級(jí)相似預(yù)報(bào)法[J];華僑大學(xué)學(xué)報(bào);1983年02期

3 陳樹偉;王延昭;;一種基于模糊數(shù)相似度的風(fēng)險(xiǎn)分析方法[J];模糊系統(tǒng)與數(shù)學(xué);2013年05期

4 張峰;謝振華;林健;程江濤;崔高侖;;基于改進(jìn)相似度的混合型多屬性決策方法[J];海軍航空工程學(xué)院學(xué)報(bào);2014年01期

5 詹棠森;林衛(wèi)中;;基于數(shù)據(jù)最優(yōu)分區(qū)間相似度算法及應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2009年20期

6 周存寶;陳之寧;;直覺模糊數(shù)相似度函數(shù)研究[J];模糊系統(tǒng)與數(shù)學(xué);2014年03期

7 王江榮;;一種新的相似度的測(cè)量方法及其應(yīng)用(英文)[J];蘭州石化職業(yè)技術(shù)學(xué)院學(xué)報(bào);2008年02期

8 杜方;宣琦;吳鐵軍;;基于相似度傳播的復(fù)雜網(wǎng)絡(luò)間節(jié)點(diǎn)匹配算法[J];信息與控制;2011年03期

9 韓強(qiáng),李清波,林冬梅;樹的相似度[J];洛陽大學(xué)學(xué)報(bào);2002年04期

10 申金媛，張延　，母國光;用于相似度并行測(cè)定的光學(xué)雙極互連網(wǎng)絡(luò)[J];光學(xué)學(xué)報(bào);1994年11期

相關(guān)博士學(xué)位論文 前1條

1 姜雅文;復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)若干問題研究[D];北京交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 烏蘭;基于動(dòng)力學(xué)行為的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測(cè)研究[D];內(nèi)蒙古工業(yè)大學(xué);2015年

2 吳蔚蔚;基于相似度的復(fù)雜網(wǎng)絡(luò)社團(tuán)發(fā)現(xiàn)算法研究[D];上海交通大學(xué);2015年

3 劉維維;基于路徑相似度的社區(qū)檢測(cè)方法[D];內(nèi)蒙古工業(yè)大學(xué);2016年

4 陳永祥;多關(guān)系網(wǎng)絡(luò)的鏈接預(yù)測(cè)研究[D];揚(yáng)州大學(xué);2016年

5 閔亮;基于節(jié)點(diǎn)相似度的社團(tuán)結(jié)構(gòu)檢測(cè)算法研究[D];遼寧工程技術(shù)大學(xué);2015年

6 孫暉;基于相似度的復(fù)雜網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)的研究[D];南京郵電大學(xué);2014年

7 鄭偉楠;模糊軟集的不確定度量[D];山西師范大學(xué);2014年

8 范超翔;基于用戶節(jié)點(diǎn)相似度的局部社團(tuán)挖掘算法的研究[D];上海交通大學(xué);2014年

9 袁林;圖劃分和社區(qū)檢測(cè)研究[D];西安電子科技大學(xué);2014年

10 李浩;圖的相似性描述與匹配方法的研究及其應(yīng)用[D];華中科技大學(xué);2011年

，

本文編號(hào)：1550765