异构网络中实体影响力量化方案的研究与实现

摘要

现实生活中存在大量的网络，包括存在实际物理关联的网络和人们根据领域知识构建的拓扑网络。这些网络中的组成节点称为实体，如传感器网络中的实体包括传感器，路由器，处理中心等。这些不同实体之间的关联关系并不相同，这种由不同类型实体通过不同的关联关系形成的网络称为异构网络。相对于异构网络，仅由同一类型的实体组成的关联网络称为同构网络。
　　在网络中对实体影响力进行评估具有重要的实际意义，包括具体查询结果的排序推送，相关联实体重要性程度的预测等。传统的影响力量化方案主要针对同构网络，采用实体属性加权实现量化。但是由于异构网络具有实体类型多样化的特点，在不同类型实体上的量化标准不统一，这会导致在影响力量化上不能简单地采用属性加权的量化思想。论文主要为了解决这一问题，提出了一种异构网络背景下的对实体进行影响力量化的整体解决方案。
　　论文所做工作和创新点可以通过以下三个部分进行描述:
　　(1)首先针对异构网络提出了一种描述方法。通过与同构网络进行对比，用数学语言对异构网络进行描述。同时针对本论文所应用的学术论文网络背景，构造了一个基于论文网络的异构模型;
　　(2)提出了异构网络下实体影响力的整体量化方案IEHNT。为了解决不同类型实体量化标准不一致的问题，方案采用中心类别实体进行属性量化，其余实体根据与中心实体不同的关联规则采用不同的方式进行复合量化的基本思想。同时在不同实体上赋予不同的影响因子修正，并考虑影响力在网络中进行流通所造成的影响，实现影响力量化的动态平衡。实验结果表明，方案需要对异构网络数据进行具体领域划分的改进;
　　(3)针对方案在领域数据上的准确性需求，同时分析了异构网络下存在的复杂性问题，方案决定采用异构网络聚类的手段进行改进，将需要研究的异构实体按照具体的所属领域划分为相应的聚类簇。同时在异构聚类算法方面，在已有的算法框架上添加正则化约束并进行二阶梯度下降的求解优化。最终实现一个完整的异构网络实体影响力量化方案。
　　论文通过与现有方案进行比较，在准确度，相关性等评价指标上表明IEHNT方案在异构网络下进行实体影响力进行整体量化是可行的。

目录

声明

致谢

摘要

1 引言

1．1．1 选题背景

1．1．2 研究意义

1．2 研究现状

1．2．1 异构网络

1．2．2 异构聚类算法

1．2．3 影响力度量算法

1．3 论文工作和创新点

1．4 论文组织结构

2 相关技术

2．1 异构网络聚类算法

2．1．1 RankClus

2．1．2 NetClus

2．2 最优化技术

2．2．1 随机梯度下降法

2．2．2 吉洪诺夫正则化

2．3 影响力评估算法

2．3．1 FutureRank文献排名算法

2．3．2 基于作者权威值的文献排名算法

2．3．3 基于作者合作网络的排名算法

2．4 本章小结

3 异构网络描述模型

3．1 描述方法

3．2 同构网络模型

3．3 典型异构网络及描述模型

3．3．1 典型异构网络

3．3．2 异构网络模型

3．4 本章小结

4 学术论文网络中的实体影响力量化

4．1 学术论文网络

4．2 问题分析及解决思想

4．3 影响力量化详细过程

4．3．1 数据及预处理

4．3．2 影响力初始量化

4．3．3 影响力流通的平衡计算

4．4 实验设计与验证

4．4．1 实验评价标准

4．4．2 实验过程与结果

4．4．3 实验分析与结论

4．5 本章小结

5 基于异构聚类的方案改进

5．1 必要性分析

5．2 张量分解

5．3 方案引入异构聚类算法TDSClus

5．3．1 张量聚类原理

5．3．2 TDSClus算法过程

5．3．3 时间复杂度分析

5．4 实验设计与验证

5．4．1 实验评价指标

5．4．2 数据集与张量构造

5．4．3 实验过程与结果

5．4．4 实验分析与结论

5．5 本章小结

6 研究结论与展望

6．1 研究结论

6．2 不足与展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集