異構信息網(wǎng)絡Top-k相關性查詢方法研究.pdf

1、我們生活在一個錯綜復雜的世界中，大部分的數(shù)據(jù)對象例如個體、組織或機構等都是互相關聯(lián)和交互的，由此而形成了一個巨大的、互聯(lián)的復雜網(wǎng)絡。不失一般性，這種網(wǎng)絡可以被建模成為信息網(wǎng)絡。在現(xiàn)實世界中，信息網(wǎng)絡隨處可見，已經(jīng)成為現(xiàn)代信息基礎設施的重要組成部分。分析和挖掘信息網(wǎng)絡或其中的某幾種特殊類型的網(wǎng)絡，例如社交網(wǎng)絡、電子商務網(wǎng)絡等，已經(jīng)成為計算機科學、社會學等領域的研究人員廣泛關注的課題。
　　當前在信息網(wǎng)絡上的研究按照信息網(wǎng)絡的不同可以

2、分為同構信息網(wǎng)絡的研究和異構信息網(wǎng)絡的研究。在同構信息網(wǎng)絡上，代表實體對象的節(jié)點都屬于同種類型，因而其上的邊也僅包含一種含義，例如在朋友關系網(wǎng)絡中，節(jié)點代表人，邊則描述了兩者之間的好友關系。至今在同構信息網(wǎng)絡上已經(jīng)有了很多有影響力的算法和應用，例如PageRank算法、社區(qū)發(fā)現(xiàn)等。但是現(xiàn)實中大部分網(wǎng)絡都是異構的，也就是說節(jié)點屬于多種類型，因而連接不同類型節(jié)點的邊也蘊含著不同的語義信息。例如在由人人網(wǎng)構建的異構網(wǎng)絡上，節(jié)點可能有個人、圖片

3、、電影、小組等，在人與人之間的邊表示好友關系，而人與圖片之間可能是瀏覽、轉發(fā)，或者是加標簽的關系。類似的例子隨處可見，從社交媒體到科研網(wǎng)絡、在線交易系統(tǒng)等，異構信息網(wǎng)絡為真實世界中的各種對象交互行為提供了強大的抽象和描述能力，而其上蘊含的豐富信息也成為數(shù)據(jù)挖掘新的研究熱點。
　　至今已經(jīng)涌現(xiàn)了很多針對異構網(wǎng)絡挖掘分析的研究，相關性查詢是異構信息網(wǎng)絡上一個基本但很重要的操作，可以應用在諸如推薦、聚類、異常檢測等多個領域?，F(xiàn)有的異構信

4、息網(wǎng)絡上的相關性查詢方法主要關注的是同種類型對象間的相似性的度量，本文提出了在異構信息網(wǎng)絡上結合元路徑選擇與用戶偏好的Top-k相關性查詢的方法來度量不同類型的對象間的相關度。該方法是一個兩階段過程，首先用成對隨機游走的思想，沿著給定的元路徑計算初始的相關度，之后求解利用用戶偏好建模的多目標線性規(guī)劃問題，確定元路徑的權重組合，據(jù)此更新初始相關度得到最終結果。此外，本文提出了多種方法來保證算法的效率，包括圖劃分、分布式矩陣運算和預物化等。