關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的半監(jiān)督分類方法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，特別是移動(dòng)互聯(lián)網(wǎng)和社會(huì)化媒體的普及，實(shí)際應(yīng)用中需要處理的數(shù)據(jù)樣本，不再是單獨(dú)存在的個(gè)體，而是與其它數(shù)據(jù)樣本相互依賴。這種存在相互依賴關(guān)系的數(shù)據(jù)樣本集合，被稱為關(guān)系網(wǎng)絡(luò)數(shù)據(jù)。如在微博應(yīng)用中，用戶與用戶相互關(guān)注，構(gòu)成了一個(gè)以微博用戶為節(jié)點(diǎn)，關(guān)注關(guān)系為邊的關(guān)系網(wǎng)絡(luò)數(shù)據(jù)。
　　對(duì)關(guān)系網(wǎng)絡(luò)數(shù)據(jù)中的樣本進(jìn)行分類時(shí)，有效利用樣本間的依賴關(guān)系能提高分類精度。如相互關(guān)注的微博用戶傾向于有相似的興趣愛好，存在超鏈接關(guān)系的網(wǎng)頁傾向于有

2、相似的主題。關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的分類問題也被稱為協(xié)同分類問題。近十年來，國內(nèi)外研究人員對(duì)協(xié)同分類問題進(jìn)行大量的研究并提出很多能利用關(guān)系提高分類精度的算法。然而在實(shí)際應(yīng)用中，要構(gòu)建大量的訓(xùn)練樣本，成本非常高，會(huì)耗費(fèi)大量的人力和物力。于是在訓(xùn)練樣本稀少的情況下，如何利用大量測(cè)試樣本進(jìn)行半監(jiān)督協(xié)同分類成為近幾年的研究熱點(diǎn)。
　　本文研究了關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的半監(jiān)督分類問題并提出一些解決方法。主要工作包括：
　　（1）將關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的半監(jiān)督分類

3、問題分解成三個(gè)核心子問題：基于內(nèi)容屬性的半監(jiān)督分類問題、關(guān)系的類標(biāo)傳遞能力的學(xué)習(xí)問題和內(nèi)容屬性與關(guān)系信息的結(jié)合問題。
　?。?）提出一個(gè)強(qiáng)同質(zhì)關(guān)系網(wǎng)絡(luò)生成方法，在訓(xùn)練樣本稀少情況下，將弱同質(zhì)關(guān)系網(wǎng)絡(luò)轉(zhuǎn)換成強(qiáng)同質(zhì)關(guān)系網(wǎng)絡(luò)，解決弱同質(zhì)關(guān)系網(wǎng)絡(luò)數(shù)據(jù)中關(guān)系的類標(biāo)傳遞能力的學(xué)習(xí)問題。
　　（3）提出一個(gè)網(wǎng)絡(luò)正則化生成模型，解決強(qiáng)同質(zhì)關(guān)系網(wǎng)絡(luò)數(shù)據(jù)的半監(jiān)督協(xié)同分類問題。網(wǎng)絡(luò)正則化生成模型構(gòu)建了一個(gè)基于概率隱含語義分析（PLSA）的生成模型