極性異構信息網(wǎng)絡的聯(lián)系預測技術研究.pdf

1、我們生活在一個相互關聯(lián)的世界。大多數(shù)數(shù)據(jù)或信息對象、組件等是內(nèi)部關聯(lián)或者相互作用的，形成了無數(shù)的、巨大的、相互關聯(lián)的復雜網(wǎng)絡。不失一般性，相互關聯(lián)的網(wǎng)絡稱為信息網(wǎng)絡。分析和挖掘信息網(wǎng)絡已經(jīng)成為計算機科學、社會學、生物學等領域的研究人員廣泛關注的課題。
　　信息網(wǎng)絡分為同構信息網(wǎng)絡和異構信息網(wǎng)絡。同構信息網(wǎng)絡只有一種類型的節(jié)點和一種類型的關系，如在朋友關系網(wǎng)絡中，節(jié)點都是人這一類型，邊只表示朋友關系。然而，現(xiàn)實中的大部分網(wǎng)絡都是異構

2、的。在異構信息網(wǎng)絡中，節(jié)點有多種類型，而不同類型的節(jié)點之間的關系屬于不同的類型，如IMDB網(wǎng)絡中，有電影、導演、演員等不同類型的節(jié)點和電影-導演之間的執(zhí)導關系、電影與演員之間的參演關系等具有不同語義的關系類型。隨著網(wǎng)絡的發(fā)展，人們在網(wǎng)絡社交時越來越多地表達自己的情感，因此網(wǎng)絡中的邊便有了極性，即邊是正的（表示信任、喜歡、朋友等關系）或負的（表示不信任、不喜歡、反對等）。我們稱有極性的異構信息網(wǎng)絡為極性異構信息網(wǎng)絡。
　　信息網(wǎng)絡已

3、有了很多的分析和挖掘方法的研究，聯(lián)系預測是其中的一個重要任務。在極性異構信息網(wǎng)絡中，聯(lián)系預測包含鏈接預測和極性預測，分別預測邊的存在性和極性。鏈接預測在分析演化網(wǎng)絡、推薦、聚類等領域有重要的價值，極性預測可以應用在推薦、決策制定、網(wǎng)絡演化模型等眾多領域。
　　雖然鏈接預測和極性預測都有了很多的研究成果，但大多數(shù)鏈接預測都以非極性信息網(wǎng)絡為基礎，極性預測多以同構信息網(wǎng)絡為基礎，而現(xiàn)實中大多數(shù)網(wǎng)絡是極性異構信息網(wǎng)絡，所以如何解決極性異

4、構信息網(wǎng)絡中的聯(lián)系預測問題成為新的挑戰(zhàn)。本文針對極性異構信息網(wǎng)絡，探索了該網(wǎng)絡下的聯(lián)系預測問題，主要工作可歸結于以下幾點:
　　1.提出了極性異構信息網(wǎng)絡的鏈接預測解決方法。在本文中，我們提出基于規(guī)則的方法，稱為Rule Predict來解決鏈接預測問題。在RulePredict模型中，我們首先系統(tǒng)抽取特征，特征包括促進鏈接存在的正特征和減弱鏈接存在可能性的負特征。鏈接是否出現(xiàn)服從概率為p的二項分布，p為所有特征值的函數(shù)。然后，使

5、用基于廣義最小二乘法的監(jiān)督學習方法學習不同特征對應的權重。將學習到的權重應用到測試數(shù)據(jù)中來預測鏈接是否存在。
　　2.提出了極性異構信息網(wǎng)絡的極性預測解決方法。我們提出一個新的方法HeteSign來解決極性預測問題。首先定義不同關系下的節(jié)點相似值，每個節(jié)點相似值看作一個特征，有相對應的權重。節(jié)點間的相似度定義為特征和權重的數(shù)學表達式。計算鏈接的極性得分，根據(jù)得分判斷鏈接是正是負。得分表示為節(jié)點相似度和現(xiàn)有網(wǎng)絡的鏈接的函數(shù)，現(xiàn)有的鏈