異質(zhì)信息網(wǎng)絡中節(jié)點重要性排名適用于學術(shù)評審評議、搜索引擎優(yōu)化、推薦系統(tǒng)構(gòu)建等領(lǐng)域,可以幫助人們更好的理解異質(zhì)信息網(wǎng)絡的節(jié)點特征.由于異質(zhì)信息網(wǎng)絡的節(jié)點重要性分析依賴語義信息,使用單一的語義信息進行節(jié)點分析是非常受限的.針對上述問題提出了一種基于組合元路徑的異質(zhì)信息網(wǎng)絡節(jié)點重要性排名方法,通過對元路徑進行組合的方式更大范圍的捕捉異質(zhì)信息網(wǎng)絡中的語義信息,使排名更精準;使用指數(shù)加權(quán)平均數(shù)法確定組合參數(shù)的尋優(yōu)步長并更新組合參數(shù),循環(huán)迭代的計算節(jié)點的重要性排名直至排名穩(wěn)定,使排名更可信.通過對AMiner數(shù)據(jù)集進行實驗分析,驗證了所提方法在準確度和收斂速度上優(yōu)于同類方法.

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1學術(shù)異質(zhì)信息網(wǎng)絡的網(wǎng)絡模式

在異質(zhì)信息網(wǎng)絡中，對象間的關(guān)系主要包括內(nèi)部關(guān)系和相關(guān)關(guān)系．其中，內(nèi)部關(guān)系指的是相同類型的對象之間的關(guān)系;相關(guān)關(guān)系指的是不同類型的對象之間的關(guān)系．元路徑是定義在異質(zhì)信息網(wǎng)絡中鏈接兩類對象的一條路徑，不同的元路徑表達了不同的語義信息．圖1表示了學術(shù)網(wǎng)絡的網(wǎng)絡模式．這個實例中包含了三種....

圖2基于組合元路徑的節(jié)點重要性排名方法

步驟3．沿主元路徑循環(huán)迭代計算直至重要性排名穩(wěn)定，迭代同時進行組合參數(shù)更新．圖2展示了該方法的基本思想，(1)通過主元路徑FP可以確定不同對象之間的相關(guān)關(guān)系，計算相關(guān)關(guān)系排名;(2)通過Ai對象的輔助元路徑確定Ai對象的內(nèi)部關(guān)系，計算內(nèi)部關(guān)系排名;(3)線性組合相關(guān)關(guān)系排名和內(nèi)部....

圖3匹配準確率

清洗數(shù)據(jù)使PageRank和HITS算法可以進行重要性分析，PageRank、HITS和基于組合元路徑的節(jié)點重要性排名方法的實驗結(jié)果與AMiner1于2019年4月公布的知名學者之間進行匹配．將學者按H指數(shù)、A指數(shù)(A-index)排名得到H指數(shù)排名和A指數(shù)排名，并計算出H指數(shù)排....

圖4迭代計算時排名的收斂

通過圖4可以發(fā)現(xiàn)基于組合元路徑的重要性分析方法可以使排名向量更快速地收斂，而PageRank算法和HITS算法的收斂速度較慢，需要更多次的迭代計算才可以使排名收斂．基于組合元路徑的重要性分析方法使用組合參數(shù)對相關(guān)關(guān)系排名和內(nèi)部關(guān)系排名進行線性組合，并在迭代計算中不斷的對組合參數(shù)進....

本文編號：3955741